estudodecasodecontroleestatísticoe ...bdm.unb.br/bitstream/10483/20769/1/2018_felipecorreademe...de...

Universidade de Brasília – UnBFaculdade UnB Gama – FGA

Engenharia Automotiva

Estudo de Caso de Controle Estatístico eAnálise de Falhas em Frota de Máquinas

Agrícolas

Autor: Felipe Corrêa de MeloOrientador: Prof. Dr. Fábio Cordeiro de Lisboa

Brasília, DF2018

Felipe Corrêa de Melo

Estudo de Caso de Controle Estatístico e Análise deFalhas em Frota de Máquinas Agrícolas

Monografia submetida ao curso de graduaçãoem Engenharia Automotiva da Universidadede Brasília, como requisito parcial para ob-tenção do Título de Bacharel em EngenhariaAutomotiva.

Universidade de Brasília – UnB

Faculdade UnB Gama – FGA

Orientador: Prof. Dr. Fábio Cordeiro de LisboaCoorientador: Prof. Dr. Henrique Gomes de Moura

Brasília, DF2018

Felipe Corrêa de MeloEstudo de Caso de Controle Estatístico e Análise de Falhas em Frota de

Máquinas Agrícolas/ Felipe Corrêa de Melo. – Brasília, DF, 2018-95 p. : il. (algumas color.) ; 30 cm.

Orientador: Prof. Dr. Fábio Cordeiro de Lisboa

Trabalho de Conclusão de Curso – Universidade de Brasília – UnBFaculdade UnB Gama – FGA , 2018.1. Confiabilidade. 2. Manutenção. I. Prof. Dr. Fábio Cordeiro de Lisboa.

II. Universidade de Brasília. III. Faculdade UnB Gama. IV. Estudo de Caso deControle Estatístico e Análise de Falhas em Frota de Máquinas Agrícolas

CDU 02:141:005.6

Felipe Corrêa de Melo

Estudo de Caso de Controle Estatístico e Análise deFalhas em Frota de Máquinas Agrícolas

Monografia submetida ao curso de graduaçãoem Engenharia Automotiva da Universidadede Brasília, como requisito parcial para ob-tenção do Título de Bacharel em EngenhariaAutomotiva.

Trabalho aprovado. Brasília, DF, 06 de julho de 2018 – Data da aprovação dotrabalho:

Prof. Dr. Fábio Cordeiro de LisboaOrientador

Prof. Dr. Alessandro Borges de SousaOliveira

Convidado 1

Prof Msc. Saleh Barbosa KhalilConvidado 2

Brasília, DF2018

Agradecimentos

Agradeço primeiramente a Deus pelas conquistas proporcionadas, acompanhadosempre de um caminho guiado. Agradeço a todos meus familiares e especificamente agra-deço muito a meus pais por proporcionarem e darem condições e total apoio, além devalores primordiais para convivência e desenvolvimento social, pessoal e profissional. Sãoparte fundamental da conquista que esse trabalho representa e são a tradução das mi-nhas realizações. Agradeço o orientador professor Doutor Fábio Cordeiro de Lisboa pelaorientação, juntamente a participação do co-orientador professor Doutor Henrique Gomesde Moura por me guiarem e buscarem a evolução desse trabalho e do conhecimento sem-pre. Agradeço a Universidade de Brasília e todos os professores que são responsáveis pelaminha caminhada e construção acadêmica. É com muita gratidão que menciono meusamigos de longa data e os grandes amigos que fiz durante a caminhada acadêmica, quetanto dividiram alegrias mas também ajudaram, me apoiaram e acompanharam as lu-tas e dificuldades do período. A todos que de maneira direta ou indireta tem influêncianessa evolução, nesse período e me desejaram sucesso, somaram e lutaram comigo, muitoobrigado.

ResumoO trabalho apresenta um estudo de caso com foco sem desenvolvimento da qualidadee levantamento estatístico, use os índices para avaliar o departamento de manutençãode frota automotivo agrícola, especificamente de colhedoras de cana-de-açúcar. O con-ceito de manutenção é fundamental por desdobrar-se em produtividade, sendo assim umponto chave para a diminuição de custos de empresas e organizações e conseqüentementeaumentar a competitividade de mercado. O acompanhamento dos processos de manu-tenção corretiva, preventiva e preditiva possibilitam melhores condições para a tomadade decisão, munindo de informações sobre o controle efetivo dos processos. Nenhum casoespecífico das colhedoras de cana-de-açúcar ou levantamento estatístico se faz relevantepelas condições de operação da máquina, sempre sujeitas a variação das condições ambi-entais extremas impactando em desgastes prematuros de partes e peças bem como maiordegradação de lubrificantes. Desse modo, índices específicos de manutenção e modelosde distribuição de dados para levantamento de confiabilidade e taxas de falhas são tra-balhados, identificando problemas críticos e apontamentos para solução, inserindo umaconcepção de engenharia de manutenção. Uma função Weibull em processos industriaistêm características interessantes pela flexibilidade de modelagem dos dados e represen-tação grande parte das situações de falhas por possuir parâmetros ajustaveis, conferindouma distribuição característica para cada situação.

Palavras-chaves: manutenção. confiabilidade. falhas. estatística.

AbstractThe paper presents a case study focused on the development of quality and statisticalsurvey, using indexes to evaluate the department of maintenance of agricultural automo-tive fleet, specifically sugarcane harvesters. The concept of maintenance is fundamentalbecause it unfolds in productivity, thus being a key point for the reduction of costs ofcompanies and organizations and consequently increase the market competitiveness. Themonitoring of corrective, preventive and predictive maintenance processes allows betterconditions for decision making, providing vital information to managers for effective pro-cess control. In the specific case of sugar cane harvesters, the statistical survey is maderelevant by the adverse operating conditions of the machine, which is always subject tovariation in extreme environmental conditions, impacting premature wear of parts as wellas more degradation of lubricants. Thus, specific maintenance indexes and data distri-bution models for reliability and failure rate survey are worked out, identifying criticalproblems and notes for solution, inserting maintenance engineering design. The Weibullfunction in industrial processes has interesting characteristics due to the flexibility ofdata modeling and represents a large part of the fault situations, raising parameters suchas reliability and failure rate by having adjustable parameters, giving a characteristicdistribution for each situation.

Key-words: Maitenance. Reability. Failure. Statistic.

Lista de ilustrações

Figura 1 – Influência do nível método de manutenção no custo . . . . . . . . . . . 20Figura 2 – Relação entre o lucro e a disponibilidade de máquinas . . . . . . . . . . 20Figura 3 – Métodos de manutenção e suas características . . . . . . . . . . . . . . 25Figura 4 – Processos principais dentro de um setor de manutenção de frota agrícola 27Figura 5 – Gráfico de controle estatístico de processo . . . . . . . . . . . . . . . . 30Figura 6 – Influência do beta, considerando teta e delta iguais para todas as curvas 34Figura 7 – Influência do parâmetro de escala teta na distribuição Weibull . . . . . 34Figura 8 – Influência de Delta, parâmetro de posição, na distribuição Weibull . . . 35Figura 9 – Curva da banheira - Engenharia de Manutenção . . . . . . . . . . . . . 37Figura 10 – Função de risco para Weibull - Taxa de falha . . . . . . . . . . . . . . . 37Figura 11 – Alguns dos elementos que compõe uma colhedora de cana-de-açúcar . . 39Figura 12 – Processo de colheita de cana-de-açúcar . . . . . . . . . . . . . . . . . . 40Figura 13 – Componentes do processo de corte da cana-de-açúcar . . . . . . . . . . 41Figura 14 – Fluxograma em modelo BPMN da metodologia aplicada . . . . . . . . 49Figura 15 – Filtro de sistema das colhedoras de cana analisadas . . . . . . . . . . . 50Figura 16 – Planilha das ordens de Serviço . . . . . . . . . . . . . . . . . . . . . . . 50Figura 17 – Planilha das ordens de Serviço . . . . . . . . . . . . . . . . . . . . . . . 51Figura 18 – Diagrama de Pareto de Colhedora de Cana de Açúcar . . . . . . . . . . 61Figura 19 – Diagrama de Pareto de Colhedora de Cana de Açúcar . . . . . . . . . . 61Figura 20 – Diagrama de Pareto de Colhedora de Cana de Açúcar . . . . . . . . . . 62Figura 21 – Diagrama de Pareto de Colhedora de Cana de Açúcar . . . . . . . . . . 62Figura 22 – Diagrama de Pareto de Colhedora de Cana de Açúcar . . . . . . . . . . 63Figura 23 – Diagrama de Pareto de Colhedora de Cana de Açúcar . . . . . . . . . . 63Figura 24 – Diagrama de Pareto de Colhedora de Cana de Açúcar . . . . . . . . . . 64Figura 25 – Diagrama de Pareto de Colhedora de Cana de Açúcar . . . . . . . . . . 64Figura 26 – Controle Estatístico de Processo - Gráfico U . . . . . . . . . . . . . . . 65Figura 27 – Controle Estatístico de Processo - Gráfico U . . . . . . . . . . . . . . . 66Figura 28 – Controle Estatístico de Processo - Gráfico U . . . . . . . . . . . . . . . 67Figura 29 – Controle Estatístico de Processo - Gráfico U . . . . . . . . . . . . . . . 68Figura 30 – Confiabilidade do Sistema Hidráulico - Colhedora Case A8800 . . . . . 71Figura 31 – Taxa de Falha do Sistema Hidráulico - Colhedora Case A8800 . . . . . 71Figura 32 – Confiabilidade do Sistema Extrator - Colhedora Case A8800 . . . . . . 72Figura 33 – Taxa de Falha do Sistema Extrator - Colhedora Case A8800 . . . . . . 72Figura 34 – Confiabilidade do Sistema Elevador - Colhedora Case A8800 . . . . . . 73Figura 35 – Taxa de Falha do Sistema Elevador - Colhedora Case A8800 . . . . . . 73Figura 36 – Confiabilidade do Sistema Corte de Base - Colhedora Case A8800 . . . 74

Figura 37 – Taxa de Falha do Sistema Corte de Base - Colhedora Case A8800 . . . 74Figura 38 – Confiabilidade do Sistema Divisor de Linha - Colhedora Case A8800 . . 75Figura 39 – Taxa de Falha do Sistema Divisor de Linha - Colhedora Case A8800 . . 75Figura 40 – Confiabilidade do Sistema de Material Rodante - Colhedora Case A8800 76Figura 41 – Taxa de Falha do Sistema de Material Rodante - Colhedora Case A8800 76Figura 42 – Confiabilidade do Sistema Picador - Colhedora Case A8800 . . . . . . . 77Figura 43 – Taxa de Falha do Sistema Picador - Colhedora Case A8800 . . . . . . . 77Figura 44 – Confiabilidade do Sistema Hidráulico - Colhedora John Deere CH 570 . 78Figura 45 – Taxa de Falha do Sistema Hidráulico - Colhedora John Deere CH 570 . 78Figura 46 – Confiabilidade do Sistema Extrator - Colhedora John Deere CH 570 . . 79Figura 47 – Taxa de Falha do Sistema Extrator - Colhedora John Deere CH 570 . . 79Figura 48 – Confiabilidade do Sistema Elevador - Colhedora John Deere CH 570 . . 80Figura 49 – Taxa de Falha do Sistema Elevador - Colhedora John Deere CH 570 . . 80Figura 50 – Confiabilidade do Sistema Corte de Base - Colhedora John Deere CH

570 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81Figura 51 – Taxa de Falha do Sistema Corte de Base - Colhedora John Deere CH

570 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81Figura 52 – Confiabilidade do Sistema Divisor de Linha - Colhedora John Deere

CH 570 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82Figura 53 – Taxa de Falha do Sistema Divisor de Linha - Colhedora John Deere

CH 570 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82Figura 54 – Confiabilidade do Sistema de Material Rodante - Colhedora John Deere

CH 570 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83Figura 55 – Taxa de Falha do Sistema de Material Rodante - Colhedora John Deere

CH 570 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83Figura 56 – Confiabilidade do Sistema Picador - Colhedora John Deere CH 570 . . 84Figura 57 – Taxa de Falha do Sistema Picador - Colhedora John Deere CH 570 . . 85Figura 58 – Fluxograma do procedimento de manutenção interno . . . . . . . . . . 95

Lista de tabelas

Tabela 1 – Situação da Manutenção Geral Brasileira em Relação aos MétodosAplicados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21

Tabela 2 – Componentes principais de uma colhedora de cana-de-açúcar . . . . . . 40Tabela 3 – Características de diferentes tipos de pesquisa . . . . . . . . . . . . . . 42Tabela 4 – Disponibilidade Física de Máquinas . . . . . . . . . . . . . . . . . . . . 59Tabela 5 – Índice de Corretiva . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60Tabela 6 – Parâmetro 𝛽 para as colhedoras Case A8800 . . . . . . . . . . . . . . . 69Tabela 7 – Parâmetro 𝜃 para as colhedoras Case A8800 (em horas) . . . . . . . . . 69Tabela 8 – Parâmetro 𝛽 para colhedoras John Deere CH 570 . . . . . . . . . . . . 69Tabela 9 – Parâmetro 𝜃 para colhedoras John Deere CH 570 (em horas) . . . . . . 70

Sumário

1 INTRODUÇÃO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 191.1 Justificativa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 211.2 Objetivo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 211.2.1 Objetivo Geral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 211.2.2 Objetivos Específicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21

2 REFERENCIAL TEÓRICO . . . . . . . . . . . . . . . . . . . . . . . 232.1 Manutenção . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 232.1.1 Métodos de Manutenção . . . . . . . . . . . . . . . . . . . . . . . . . . . 232.1.1.1 Manutenção Corretiva . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 232.1.1.2 Manutenção Preventiva . . . . . . . . . . . . . . . . . . . . . . . . . . . . 242.1.1.3 Manutenção Preditiva . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 242.1.2 Atributos da manutenção . . . . . . . . . . . . . . . . . . . . . . . . . . . 262.2 Métricas de Manutenção . . . . . . . . . . . . . . . . . . . . . . . . . 272.2.1 MTBF – Mean time between failures . . . . . . . . . . . . . . . . . . . . 282.2.2 Tempo médio de reparo - MTTR . . . . . . . . . . . . . . . . . . . . . . . 282.2.3 Tempo médio para falha TMPF . . . . . . . . . . . . . . . . . . . . . . . 282.2.4 Disponibilidade Física . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 282.2.5 Custo de Manutenção por Valor de Reposição . . . . . . . . . . . . . . . . 292.2.6 Índice de Retrabalho . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 292.2.7 Índice de Corretiva . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 292.2.8 Diagrama de Pareto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 292.2.9 Controle Estatístico de Processo . . . . . . . . . . . . . . . . . . . . . . . 292.2.9.1 Gráfico U - Gráfico de Controle para Defeitos por Unidade . . . . . . . . . . . 312.3 Confiabilidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 312.3.1 Conceitos atrelados a Confiabilidade . . . . . . . . . . . . . . . . . . . . . 322.4 Distribuição Weibull . . . . . . . . . . . . . . . . . . . . . . . . . . . . 332.5 Colhedora de cana-de-açúcar . . . . . . . . . . . . . . . . . . . . . . . 382.6 Estudo de Caso - Abordagem Utilizada . . . . . . . . . . . . . . . . . 412.6.1 Variações dos estudos de caso . . . . . . . . . . . . . . . . . . . . . . . . 422.6.2 Projetando estudos de caso e seus componentes . . . . . . . . . . . . . . . 422.6.3 Utilizando a teoria no estudo de caso . . . . . . . . . . . . . . . . . . . . 432.6.4 Avaliando a generalização . . . . . . . . . . . . . . . . . . . . . . . . . . 442.6.5 Projeto de estudo de caso . . . . . . . . . . . . . . . . . . . . . . . . . . 44

3 METODOLOGIA . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47

3.1 Caracterizando a usina analisada . . . . . . . . . . . . . . . . . . . . . 473.2 Desenvolvimento do levantamento dos dados . . . . . . . . . . . . . 493.3 Métricas de análise para o estudo de caso . . . . . . . . . . . . . . . 533.3.1 MTBF - Mean time between failures (Do português Tempo Médio Entre

Falhas - TMEF) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 533.3.2 Disponibilidade Física de Máquinas . . . . . . . . . . . . . . . . . . . . . . 533.3.3 Índice de Corretiva . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 543.3.4 Diagrama de Pareto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 543.3.5 Controle Estatístico de Processo - Gráfico U . . . . . . . . . . . . . . . . . 543.3.6 Quantificando a Confiabilidade . . . . . . . . . . . . . . . . . . . . . . . . 553.3.7 Taxa de falha - Função de Risco . . . . . . . . . . . . . . . . . . . . . . . 553.4 Tratamento de dados . . . . . . . . . . . . . . . . . . . . . . . . . . . 563.4.1 Hazzard Plotting e Probablity Plotting . . . . . . . . . . . . . . . . . . . . 563.4.2 Máxima Verossimilhança . . . . . . . . . . . . . . . . . . . . . . . . . . . 56

4 RESULTADOS E DISCUSSÕES . . . . . . . . . . . . . . . . . . . . 594.1 Disponibilidade Física de Máquinas . . . . . . . . . . . . . . . . . . . 594.2 Índice de Corretiva . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 604.3 Diagrama de Pareto . . . . . . . . . . . . . . . . . . . . . . . . . . . . 604.4 Controle Estatístico de Processo - Gráfico U . . . . . . . . . . . . . . 644.4.1 Controle Estatístico - Colhedoras CASE . . . . . . . . . . . . . . . . . . . 654.4.2 Controle Estatístico - Colhedoras John Deere . . . . . . . . . . . . . . . . 664.5 Parâmetros da distribuição Weibull . . . . . . . . . . . . . . . . . . . 684.5.1 Parâmetros de Weibull para os sistemas das colhedoras Case A8800 . . . . 694.5.2 Parâmetros de Weibull para os sistemas das colhedoras John Deere CH 570 694.6 Confiabilidade e Função de Risco . . . . . . . . . . . . . . . . . . . . 704.6.1 Confiabilidade e Taxa de Falha - Colhedoras Case A8800 . . . . . . . . . . 704.6.1.1 Sistema Hidráulico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 704.6.1.2 Sistema Extrator . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 724.6.1.3 Sistema Elevador . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 734.6.1.4 Sistema Corte de Base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 744.6.1.5 Sistema Divisor de Linha . . . . . . . . . . . . . . . . . . . . . . . . . . . . 744.6.1.6 Sistema de Material Rodante . . . . . . . . . . . . . . . . . . . . . . . . . . 754.6.1.7 Sistema Picador . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 764.6.2 Confiabilidade e Taxa de Falha - Colhedoras Case John Deere CH570 . . . 774.6.2.1 Sistema Hidráulico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 774.6.2.2 Sistema Extrator . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 784.6.2.3 Sistema Elevador . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 794.6.2.4 Sistema Corte de Base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 804.6.2.5 Sistema Divisor de Linha . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81

4.6.2.6 Sistema de Material Rodante . . . . . . . . . . . . . . . . . . . . . . . . . . 834.6.2.7 Sistema Picador . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84

5 CONCLUSÃO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87

REFERÊNCIAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89

ANEXOS 93

ANEXO A – PRIMEIRO ANEXO . . . . . . . . . . . . . . . . . . . 95

19

1 Introdução

O custo de manutenção é uma variável de grande importância na qualidade doprocesso de funcionamento de uma indústria, e consequentemente é um dos responsá-veis pelo sucesso de uma empresa. Mirshawka e Olmedo (1993) mostram que a funçãoda manutenção gera custos mas a indisponibilidade do equipamento é em muitos casosum problema invisível aos responsáveis pelos departamentos de manutenção e causa umcusto concentrado na perda de produção, falta de qualidade do produto final penalida-des comerciais e por fim, na imagem da empresa no mercado. O custo, a disponibilidadede máquinas e a qualidade do processo de manutenção são elementos que resultam emprodutividade.

A manutenção é função estratégica por influir sobre os resultados da organização ediante disso alguns conceitos são fundamentais para a compreensão e desenvolvimento damanutenção automotiva, neste caso especificamente a manutenção de máquinas agrícolas.Segundo Kardec e Nascif (2001), a manutenção é essencial na gestão da qualidade e napadronização de processos como por exemplo a ISO 9000.

A diminuição dos custos no setor sucroalcooleiro auxiliam nos preços finais e namelhoria da produção de açúcar e etanol, aumentando a competitividade brasileira emuma importante comódite no âmbito internacional e favorecendo o fortalecimento domercado interno no ramo de açúcar.

O desafio se dá em relação a aplicação das políticas básicas de manutenção. Comoestudado por Murty e Naikan (1995), um gráfico de lucro em função da disponibilidadede máquinas (Fig. 2) é de suma importância para compreender que a busca por falhazero torna os processos de manutenção cada vez mais caros, podendo por vezes não seremviáveis em função do alto custo gerado. Aplicar manutenções cada vez mais controladas apartir de um certo ponto podem aumentar o custo de maneira substancial, sem necessari-amente aumentar a produtividade ou atuando de maneira pouco significativa na produçãoe disponibilidade de máquinas.

Um gráfico de custo em função do nível de manutenção de Mirshawka e Olmedo(1993), mostrado na Figura 1 fornece o entendimento a respeito do custo de manutençãopreventiva.

20 Capítulo 1. Introdução

Figura 1 – Influência do nível método de manutenção no custo

Fonte: (MIRSHAWKA; OLMEDO, 1993)

É apresentado na Figura 2, que fazendo relação com o gráfico de Murty e Naikan(1995) a manutenção preventiva reduz os custos até determinando ponto ótimo, e apóseste, causa elevação dos custos totais, mesmo que minorando o custo decorrente das falhas.

Figura 2 – Relação entre o lucro e a disponibilidade de máquinas

Fonte: (MURTY; NAIKAN, 1995)

É possível inferir da Figura 2 que não é desejável disponibilidade de máquiná-rio total, por isso encarece muito a manutenção e requer aplicação de alta tecnologia econtrole. Definir o ponto ótimo e ideal das políticas de manutenção é grande desafio dagestão de manutenção, como afirma Xenos (1998). Para tanto é preciso entender os con-ceitos de manutenção, que por muitas vezes não são bem compreendidos pelos própriostrabalhadores dos departamentos de manutenção.

Em relação aos métodos de manutenção que serão discutidos posteriormente aABRAMAN (Associação Brasiliera de Manutenção) apresenta, periodicamente um levan-tamento estatístico de índices, intitulado “Documento Nacional", na Tab. 1:

1.1. Justificativa 21

Tabela 1 – Situação da Manutenção Geral Brasileira em Relação aos Métodos AplicadosAplicação dos Recursos na Manutenção (%)

Ano ManutençãoCorretiva

ManutençãoPreventiva

ManutençãoPreditiva Outros

2013 30,86 36,55 18,82 13,772011 27,40 37,17 18,51 16,922009 26,69 40,41 17,81 15,092007 25,61 38,78 17,09 18,51

1.1 Justificativa

A proposta do estudo de caso surge da necessidade de maior controle e acompanha-mento das máquinas agrícolas, mais especificamente as de cana-de-açúcar. A necessidadede maior disponibilidade da frota de colhedoras, menor custo e maior controle sobre oprocesso de manutenção.

De acordo com levantamento realizado pela Companhia Nacional de Abasteci-mento - Conab (2013), a estimativa de produção de cana-de-açúcar na safra 2016/2017é de 657,18 milhões de toneladas, valor pouco menor se comparado a safra anterior. Re-zende (2003), mostra que o custo com máquinas agrícolas é superior a 20% do custo dasculturas, podendo variar de acordo com o que é produzido. Os estudos de Cruz (2010)demonstram um custo de manutenção responsável por 21, 11% do custo total operacionalde corte mecanizado. Na afirmação de Scaranello et al. (2012) a mecanização da colheitade cana de açúcar cresce a cada safra, visando redução de custo e outros fatores como le-gislação ambiental. O trabalho contínuo sobre condições adversas causam grande desgastee necessidade de manutenção contínua. Visando alta disponibiladade busca-se reduzir otempo de indisponibilidade mecânica, evitando-se possíveis falhas e quebras.

1.2 Objetivo

1.2.1 Objetivo Geral

Avaliar um processo de manutenção automotiva agrícola, atuando diretamente nocontrole de qualidade do processo, quantificando estatisticamente as falhas e o rendimentodo processo utilizando métricas aplicadas em manutenção de frota.

1.2.2 Objetivos Específicos

∙ Levantar conhecimento acerca dos processos técnicos de manutenção automotiva defrota agrícola em usinas sucroalcooleiras;

22 Capítulo 1. Introdução

∙ Realizar coleta de dados pertinentes a manutenção de frota agrícola (colhedoras decana-de-açúcar);

∙ Verificar os gargalos dos procedimentos de manutenção e as principais causas defalhas em máquinas e sistemas automotivos.

∙ Quantificar graficamente a confiabilidade, através de recursos matemáticos afim debuscar engenharia de manutenção.

23

2 Referencial Teórico

2.1 ManutençãoPara compreender e envolver-se nos métodos de manutenção e conceitos, é neces-

sário discutir alguns termos específicos, como: Defeito, Falha e Pane.

Utilizando como referência a norma da ABNT (NBR 5462) segue:

∙ DefeitoÉ definido como qualquer desvio apresentado na característica de um item, compa-rado aos requisitos.

∙ FalhaPerda da capacidade de um item desempenhar a função para qual é solicitado.

∙ PaneÉ um estado, dado pela falha ou outro problema anterior. Não se considera o pe-ríodo de manutenção preventiva, outras ações planejadas ou falta de recurso paraintervençao.

2.1.1 Métodos de Manutenção

Segundo Xenos (1998) e Lafraia (2001) os métodos de manutenção podem ser clas-sificados como: Manutenção Corretiva, Manutenção Preventiva e Manutenção Preditiva.De acordo com (Viana, 2006) os tipos de Manutenção são também os mesmos, mas como acréscimo de um termo: Manutenção Autônoma (TPM).

2.1.1.1 Manutenção Corretiva

A manutenção corretiva é realizada após a ocorrência da falha. Em princípio amanutenção corretiva é mais barata do que a prevenção das falhas nos equipamentos,mas não leva em conta a perda de produtividade e a queda na qualidade do produto final,em função do alto custo gerado pela indisponibilidade do equipamento. A manutençãocorretiva causa grandes perdas por interrupção e isso deve ser levado em conta na estra-tégia de manutenção. O autor em questão também cita a análise a ser feita a respeito damanutenção corretiva.(XENOS, 1998)(NUNES, 2001)

Deve ser analisado se existem formas de evitar a ocorrência da falha e se são viáveistecnicamente e economicamente. A escolha pela manutenção corretiva ainda submete a

24 Capítulo 2. Referencial Teórico

presença de recursos previamente disponíveis como peças de reposição e mão-de-obra comcondições de agir rapidamente. Por mais que a manutenção corretiva tenha sido o métodode trabalho, ou o principal método de manutenção isso não deve influir em naturalidadecom as falhas ocorrendo nos eventos de produção.(XENOS, 1998)

A definição apresentada pela ABNT (NBR 5462/1993) descreve a manutençãocorretiva como: “a manutenção efetuada após a ocorrência de uma pane, destinada acolocar um item em condições de executar uma função requerida”.

2.1.1.2 Manutenção Preventiva

É um termo abrangente que faz ligação com as ações de prevenção a acontecimentosespecíficos.

A descrição realizada por Viana (2002) é a manutenção realizada em máquinasem condições operacionais ou estado zero de defeito. São serviços efetuados em intervalospreviamente estabelecidos utilizando critérios particulares, seja pelo fabricante ou porexperiência operacional em relação aos períodos de falha.

De acordo com Xenos (1998), deve ser atividade principal de manutenção em qual-quer empresa sendo o coração das atividades de manutenção. Estão relacionadas tarefassistematizadas, tais como as trocas de peças, reformas e inspeções visuais e análise de me-trologia. Possuem caráter obrigatório e comparadas as manutenções corretivas são maisonerosas a organização embora a frequência de falhas diminua, fazendo com que auto-maticamente a disponibilidade dos equipamentos aumente, minimizando as interrupçõesinesperadas na produção. As regras preventivas são definidas através de análises técnicas,o que auxilia no ganho de rapidez do serviço de manutenção dando previsibilidade domelhoramento de métodos e os indicativos para o setor de gestão de manutenção.

O excesso de manutenção preventiva causa efeitos colaterais controversos dentrodos departamentos de manutenção. O aumento do tempo de máquinas paradas e a perdada utilização do equipamento mecânico ou do elemento por toda sua vida útil são situaçõesindesejadas no contexto da gestão de manutenção produtiva. Algumas intervenções podemser desnecessárias causando alterações negativas no sistema produtivo.(NEPOMUCENO,2014)

2.1.1.3 Manutenção Preditiva

O termo manutenção preditiva caracteriza-se no uso de análises e acompanhamen-tos dos sistemas mecânicos da máquina e de seus elementos, utilizando-se geralmente detecnologia para impedir que falhas aconteçam. De modo direto a manutenção preditivapermite a utilização do equipamento de modo mais eficiente, levando a condições de usopróximas a vida útil.(KARDEC; NASCIF, 2013)

2.1. Manutenção 25

Xenos (1998), conceitua que a manutenção preditiva otimiza a utilização das peças,aproveitando sua vida útil e estendendo os intervalos de manutenção. O acompanhamentotécnico do componente permite trocas próximas ao limite da vida de uso, podendo sermonitoradas algumas condições como por exemplo: variação de vibração, lubrificação edesgaste da estrutura dos elementos mecânicos. Ainda na opinião de Xenos (1998) a tec-nologia atual auxiliou o desenvolvimento de muitas técnicas de manutenção preditivasofisticadas mas de alto custo como termografia por exemplo, analisando através de sen-soriamento remoto a temperatura de funcionamento do equipamento, gerando imagensobtidas a partir de radiação térmica.

A implementação da manutenção preditiva utiliza conceitos e técnicas avançadas oque demanda grupos diferenciados dentro dos departamentos de manutenção. Dessa formao grupo necessita de treinamento específico em áreas do conhecimento da engenharia, paraque sua aplicação seja efetiva e os resultados contribuam para a melhoria da produtividade.

As afirmações de Viana (2002), atribuem ainda as análises de termografia e emindústrias mais modernas os ensaios por ultrassom, tendo crescimento signficativo a par-tir dos anos de 1990. Embora a manutenção preditiva pareça a solução dos problemascom os equipamento dos departamentos de manutenção, existem desvantagens como anecessidade de maior conhecimento teórico de técnicos e operadores, realizando registropermanente de experimentos e domínio no acompanhamento operacional das máquinas.

O acompanhamento, monitoramento das condições obedecem a metodologias eprocessos sistemáticos, definidos dentro de um plano de manutenção Kardec e Nascif(2013). Desse modo o planejamento de um processo de manutenção preditiva caracterizasua qualidade e eficiência.

Pode ser estabelecido de maneira geral os métodos de manutenção e suas caracte-rísticas através da figura 3 a seguir:

Figura 3 – Métodos de manutenção e suas características


2.1.2 Atributos da manutenção

Sintetizando os conceitos, Kardec e Nascif (2013), corrobora o fato de que a ma-nutenção nas aplicações de engenharia tem algumas principais prerrogativas:

∙ Aumentar a confiabilidade;

∙ Aumentar a disponibilidade;

∙ Melhorar a manutenibilidade;

∙ Aumentar a segurança;

∙ Eliminar problemas crônicos;

∙ Solucionar problemas tecnológicos;

∙ Melhorar a capacitação do pessoal;

∙ Participar de novos projetos;

∙ Dar suporte a execução.

Nesses atributos, o contexto global de engenharia de manutenção visa aplicar téc-nicas modernas e conhecimentos a fim de garantir resultados satisfatórios. As organizaçõespossuem comportamentos particulares na modelagem dos seus processos de manutençãoque podem ser exemplificados de maneira aproximada pelos métodos apresentados naFigura 4:

2.2. Métricas de Manutenção 27

Figura 4 – Processos principais dentro de um setor de manutenção de frota agrícola

2.2 Métricas de ManutençãoO desenvolvimento do departamento de manutenção tem relação direta com aná-

lises estatísticas e o levantamento de índices que traduzem em números a situação ope-racional e a qualidade do processo de manutenção. É uma análise direta e dinâmica queacompanha a evolução, e permite previsões de alcance de metas e controle.

Segundo Viana (2002), tais índices têm por função retratar aspectos importantesna planta industrial. São valores e condições variáveis que se aplicam de acordo ou nãoatravés de análises particulares para cada empresa. O Planejamento e Controle de Ma-nutenção – PCM – avalia o monitoramento do processo e o que possui valor agregado nointuito de obter dados conclusivos, e não apenas dados desnecessários, gerando volume deinformação sem utilidade.

No PCM a análise dos dados são feitas através de métricas que indicam o desem-penho da manutenção. Como descrito por Viana (2002), existem seis métricas principais


utilizados por grande parte dos países ocidentais:

∙ MTBF – Mean time between failures, Também conhecido pelo termo em português:Tempo médio entre falhas – TMEF;

∙ MTTR – Mean time to repair, ou TMR – Tempo médio de reparo;

∙ TMPF – Tempo médio para falha;

∙ Disponibilidade física da máquina;

∙ Custo de manutenção por faturamento;

∙ Custo de manutenção por valor de reposição;

∙ Diagrama de pareto;

∙ Gráfico de CEP.

2.2.1 MTBF – Mean time between failures

Em português, o termo MTBF é conhecido como Tempo médio entre falhas e é desuma importância porque faz relação com a disponibilidade das máquinas em operação.É um sinal positivo para o departamento de manutenção, visto que o aumento do índicereflete em melhoria da manutenção, indicando que as corretivas estão diminuindo.

2.2.2 Tempo médio de reparo - MTTR

O tempo médio de reparo é a divisão entre o somatório das horas de indisponi-bilidade (HIM) devido a manutenção pelo número de intervenções corretivas no período.Índice capaz de demonstrar o impacto da falha e o tempo gasto para a correção, sendodesejado baixos índices de MTTR.

2.2.3 Tempo médio para falha TMPF

O tempo médio para falha tem foco nos componentes não reparáveis. É o levanta-mento que caracteriza de maneira correlata o tempo de vida do componente.

2.2.4 Disponibilidade Física

Fator que varia de acordo com a organização, a empresa, ou até mesmo os departa-mentos internos. Representa em termos percentuais a entrega de um equipamento para oprocesso de operação em relação as horas totais de um determinado período. É de grandeimportância para a estratégia de funcionamento dos departamentos de manutenção e paraatender necessidades do processo produtivo.

2.2. Métricas de Manutenção 29

2.2.5 Custo de Manutenção por Valor de Reposição

Consiste na conexão entre o custo total de manutenção do equipamento e o valorde compra. É um indicador que pode justificar e deixar claro o alto custo de manutenção,sendo esse indicador ideal próximo a valores de 5-10%, dependendo do retorno financeiroda atividade realizada pela organização, empresa.

2.2.6 Índice de Retrabalho

A análise desse indicador tem como propósito verificar a qualidade dos serviçosrealizados pela manutenção. A quantidade de retorno gera custo adicional, sendo aindauma intervenção não definitiva, causando transtornos futuros, necessitando de realizarnovamente uma ação de manutenção na mesma máquina pelo mesmo motivo.

2.2.7 Índice de Corretiva

A análise desse indicador tem como propósito fornecer o método de manutençãopredominante e quantificar a utilização desse método.

2.2.8 Diagrama de Pareto

Um indicativo existente dentro dos departamentos de manutenção que organizaminformações em forma de gráfico e são conclusivos a respeito das principais ocorrênciasé o diagrama de pareto. Segundo Montgomery (2009), essa ferramenta é um gráfico deocorrências por categoria (ordenando as pelo número de ocorrência).

Ballestero-Alvarez (2012), aponta que a definição se dá como sendo um gráfico debarras que ordena as frequências das ocorrências. A organização é feita da maior para amenor, o que permite indicar os principais problemas, priorizando estes.

É também conhecido como diagrama 80-20, em função do Economista e SociólogoVilfredo Pareto mostrar que 80% das consequências decorrem de 20% das causas, o queleva a análise de que grande parte dos problemas se concentram em poucas e concentradascausas.

2.2.9 Controle Estatístico de Processo

De acordo com o texto de Montemor, Ortega e C.S (2001), o Controle Estatísticode Processo – CEP não é recente, sendo trabalhado desde meados do ano 1920, originadodos trabalhos de Shewart, nos laboratórios Bell. Esse conjunto de ferramentas são utili-zadas para manter o processo dentro de um controle, analisando desvios e visando atacarproblemas. Algumas ferramentas se destacam, sendo elas:


∙ Histograma;

∙ Gráfico de pareto;

∙ Diagrama de causa e efeito;

∙ Diagrama de concentração de defeito;

∙ Gráfico de controle;

∙ Diagrama de dispersão;

∙ Folha de verificação.

A consideração de Montgomery (2009) relaciona o controle estatístico de processocomo influente direto na qualidade de um processo. A melhoria da qualidade significa a re-solução de defeitos e eliminar sistematicamente os resíduos que causam perda e retrabalhode um modo geral.

O gráfico de controle é foco da pesquisa e possui uma linha central, referente a umvalor médio do parâmetro de qualidade. São definidos limites superiores e inferiores decontrole, escolhidos de modo que exista uma faixa ótima de qualidade, quando os valoresem análise se encontrarem dentro dessa faixa definida pelo limite superior de controle -LSC e pelo limite inferior de controle - LIC, Figura 5:

Figura 5 – Gráfico de controle estatístico de processo

Fonte: Adaptado de Portal Action, 2012

A forma, o modelo do gráfico de controle é dada por:

𝐿𝑆𝐶 = 𝑢𝑤 + 𝑘𝜎𝑤 (2.1)

𝐿𝐶 = 𝑢𝑤 (2.2)

𝐿𝐼𝐶 = 𝑢𝑤 − 𝑘𝜎𝑤 (2.3)

2.3. Confiabilidade 31

Onde u é a média de uma distribuição W, e sigma o desvio padrão, sendo kuma espécie de distância entre os limites de controle, criando uma faixa, um intervalocomumente escolhido como k = 3, sendo esse valor decisivo para o rigor do controle.

Montgomery (2009), menciona que a teoria geral desse gráfico de controle foi pri-meiramente realizada, estudada e conceituada por Dr. Walter A. Shewhart, portanto sãofrequentemente denominados como gráficos de controle de Shewhart.

2.2.9.1 Gráfico U - Gráfico de Controle para Defeitos por Unidade

A situação de defeitos por unidade é comumente descrita pela distribuição de Pois-son Se cada amostra possuir 𝑛 unidades e houver uma quantidade de defeitos denominada𝐶 para essa mesma amostra, então

𝑈 = 𝐶

𝑛(2.4)

Essa é a média de defeitos por unidade, podendo ser construído um gráfico U paratal. Sendo U uma variável aleatória de Poisson com parâmetro 𝜆, tem-se então a médiae a variância da distribuição. De posse da média 𝜆 e a variãncia de 𝜆/𝑛, aplica-se nasequações 2.1, 2.2 e 2.3.

2.3 ConfiabilidadePor definição tem-se que a confiabilidade de um elemento está vinculada à proba-

bilidade de exercer adequadamente a finalidade especificada, por um período de tempo esob condições específicas. Essa definição é o conceito por trás da norma brasileira NBR5462 − 1994, item 2.2.6.4. Através desta, infere-se que o objeto de interesse pode variar,sendo um item, um sistema ou uma composição de diversos elementos. No caso de umcomputador por exemplo, pode ser avaliado tanto o conjunto (computador de fato) quantoos itens internos, individualizados.(FOGLIATTO; DUARTE, 2009)

A confiabilidade é uma probabilidade e portanto deve apresentar valores entre 0 e1. Quando se trata de dois componentes em um sistema (modelo binário), com probabili-dades distintas A e B, a confiabilidade do sistema composto por esses dois componentespode ser obtida através de aplicações de probabilidade básica, considerando o sistemaem série ou paralelo, na mesma analogia da análise de resistência para sistemas elétri-cos.(SELLITTO, 2005)

Nas proposições de Moubray (1996) a história da confiabilidade é relatada pas-sando pelas aplicações da primeira até a segunda guerra mundial e as avaliações de con-fiabilidade dos itens eletrônicos feitas pelo exército americano, além dos aviões, motorese o desenvolvimento de engenheiros alemães também a respeito dos voos.


Os modelos de distribuições estatísticos tem comportamentos distintos e possuemtendência para descrever algumas situações adequadamente em relação a h(t) – funçãode risco ou taxa de falha – :

∙ O modelo exponencial com h(t) constante explica o comportamento de componenteseletrônicos;

∙ O modelo de Rayleigh com h(t) linear crescente explica o comportamento de com-ponentes mecânicos;

∙ O modelo de Weibull de h(t) exponencial explica o comportamento de sistemas defalha, nascidos da competição entre diversos modos de falha.

Para o último caso o tempo de falha de um item é uma variável aleatória T, emque T segue uma distribuição de Weibull para os modos de falha atuando em série, ouseja, uma competição pela falha ocorrendo em sequência (se o primeiro falha, a falha dosistema ocorre) da mesma forma que nos equipamentos industriais. (LEWIS, 1996)

2.3.1 Conceitos atrelados a Confiabilidade

Na apresentação de Fogliatto e Duarte (2009) existem alguns conceitos princi-pais associados a confiabilidade, e são eles: qualidade, disponibilidade, mantenabilidade,segurança e confiança. As afirmações também se baseiam na norma da ABNT (NBR5462/1993) e alguns itens já foram discutidos na Seção 2.2.

∙ QualidadeA Qualidade tem associação a com a satisfação de requisitos de um produto ouserviço, e podem estar implícitos ou explícitos aos analisadores. Podemos resumircomo o cumprimento de especficações.

∙ Mantenabilidade"Capacidade de um item ser mantido ou recolocado em condições de executar suasfunções requeridas, sob condições de uso especificadas, quando a manutenção éexecutada sob condições determinadas e mediante procedimentos e meios prescri-tos."(NBR 5462/1993)

∙ Durabilidade"Capacidade de um item desempenhar uma função requerida sob dadas condiçõesde uso e manutenção, até que um estadolimite seja alcançado."(NBR 5462/1993)

2.4. Distribuição Weibull 33

2.4 Distribuição Weibull

A escolha dessa função está baseada na circunstância de que essa distribuiçãoexplica o comportamento de diversos sistemas cuja falha tem origem complexa e advém dediversos modos de falha, atuando em série, competindo pela falha, caso de equipamentosindustriais (LEWIS, 1996 citado por SELLITTO, 2007). O estudo de tempos de falharealizado por W. Weibull conduziu a proposta do modelo conhecido como distribuiçãoWeibull que é uma das mais comumente utilizadas nos modelos de confiabilidade e noslevantamentos de tempo de falha e tempo de reparação, fazendo importante correlaçãocom testes acelerados. A variação de formas por ela apresentada é uma grande vantagem,podendo se comportar de maneira semelhante a vários outros modelos de distribuição,dependendo dos parâmetros da Weibull, fornecendo grande flexibilidade para descreversistemas com falhas crescentes em função do tempo, decrescentes ou constantes. Dentrodos ambientes industriais e produtivos, tal modelo é utilizado para descrever de maneiraconveniente a vida de mancais, componentes eletrônicos e elementos mecânicos, além deoutros.(MONTGOMERY, 2009)(RELIASOFTBRASIL, 2005)

A função densidade e probabilidade é dada por

𝑓(𝑥) = 𝛽

𝜃

(︃𝑥 − 𝛿

𝜃

)︃𝛽−1

𝑒(− 𝑥−𝛿𝜃 )𝛽

(2.5)

Onde:

∙ 𝛽 é o parâmetro de forma

∙ 𝜃 é o parâmetro de escala

∙ 𝛿 é o parâmetro de posição

Como é possível perceber, existem 3 parâmetros para essa distribuição, que tam-bém pode ser utilizada com apenas 2 parâmetros quando consideramos o parâmetro deposição como sendo zero.

Dodson e Schwab (1962) discute que parâmetro Beta garante a flexibilidade dadistribuição e quando alterado pode modelar de diferentes modos os dados. Para os casosde Beta = 1, temos uma identidade de distribuição exponencial, diferentemente do valorde Beta = 2 que identifica uma distribuição de Rayleigh. Para valores entre 3 e 4, seaproxima da distribuição normal e sendo aproximada de uma lognormal para Beta = 8como podemos ver no gráfico da Figura 6 a seguir:


Figura 6 – Influência do beta, considerando teta e delta iguais para todas as curvas

Fonte: (DODSON; SCHWAB, 1962)

O parâmetro de escala determina é responsável por determinar o alcance da fun-ção, sendo de maneira simplista responsável por concentrar os dados em torno de umaregião causando um achatamento da curva ou a distribuição espaçada dessa mesma curva.Também conhecido como vida característica, 63.2% de todos os valores estão abaixo davida característica, independente do valor de Beta. Para os casos em que o parâmetrode escala é diferente de zero, a vida característica é dada por teta + delta.(DODSON;SCHWAB, 1962)

Figura 7 – Influência do parâmetro de escala teta na distribuição Weibull



O parâmetro de posição define uma zona de ausência de falha. Quando o valorde delta é maior que x, a probabilidade de falha é zero. Para o caso de delta > 0 asfalhas não ocorrem e isso em alguns casos podem ser úteis para definir um período defuncionamento do sistema onde obrigatoriamente não ocorrerão falhas. O caso de Delta <0 é para as situações onde o item ou a condição do analisado falha antes do teste começarou antes da operação começar , o que é estranho de se considerar, mas, por outro lado,pode ser justificado por problemas de transporte ou fornecimento de elementos, peças,itens problemáticos. Sendo assim as distribuições de dois parâmetros são geralmente asmais utilizadas, considerando o valor zero para o Delta, parâmetro de posição e assimconsidera-se que a possibilidade de falha começa no início do teste.(DODSON; SCHWAB,1962)

A figura 8 abaixo exemplifica a influência do parâmetro 𝛿

Figura 8 – Influência de Delta, parâmetro de posição, na distribuição Weibull


A função de risco, função de azar ou também conhecida como taxa de falha édefinida por

ℎ(𝑥) = 𝛽

𝜃

(︃𝑥 − 𝛿

𝜃

)︃(𝐵𝑒𝑡𝑎−1)

(2.6)

O valor de ℎ(𝑥) é diretamente influenciado por 𝛽, quando 𝛽 < 1, a função é de-crescente, e conceituado como período de mortalidade infantil. No período de mortalidade


infantil ocorrem as falhas prematuras onde a taxa de falhas é decrescente, sendo o de-créscimo dependente de quão menor que 1, é 𝛽. Nesse período destaca-se principalmentepor:

∙ Processo de fabricação deficiente

∙ Controle de qualidade deficiente

∙ Mão-de-obra desqualificada

∙ Amaciamento ineficiente

∙ Pré-teste ineficiente

∙ Materiais fora da especificação

∙ Problemas de estocagem e transporte

∙ Sobrecarga no primeiro teste

∙ Contaminação

∙ Erro humano

∙ Instalação imprópria

A taxa se torna constante para 𝛽 = 1 que é o período da vida útil, caracterizadopor um período de taxa de falhas constantes no qual as falhas são de natureza aleatória,pouco se pode fazer para evitá-las. Alguns dos motivos são:

∙ Cargas Aleatórias maiores que as esperadas

∙ Falhas não detectadas durante manutenção preventiva

∙ Fenômenos naturais imprevisíveis

∙ Erro inesperado da operação

e período de desgaste ou envelhecimento para 𝛽 > 1, concentradas no final da vidaútil do produto.(RELIASOFTBRASIL, 2005)(FOGLIATTO; DUARTE, 2009)(MORRIS,2011)


Figura 9 – Curva da banheira - Engenharia de Manutenção

Quando se trata do valor de 𝛽 > 1 onde a função de risco é crescente, quanto maioro valor de Beta mais agressiva é o crescimento da curva. Para o caso de 𝛽 < 1 a lógica semantém, quanto menor o valor de Beta, mais abrupta será o decréscimo da curva.

Figura 10 – Função de risco para Weibull - Taxa de falha


Outra valorosa consideração a ser feita é a confiabilidade da distribuição Weibull,representada pela equação:


𝑅(𝑥) = 𝑒−( 𝑋−𝛿𝜃

)𝛽 (2.7)

E a distribuição cumulativa:

𝐹 (𝑥) = 1 − 𝑒−(𝑋˘𝛿𝜃 ) (2.8)

A média de uma distribuição Weibull é utilizada para o cálculo por exemplo deMTTF e , e o seu cálculo é feito da seguinte forma:

𝑈 = 𝜃Γ(︃

1 + 1𝛽

)︃(2.9)

A variância para distribuição Weibull é:

𝜎2 = 𝜃2[Γ(1 + 2𝛽

) − Γ2(1 + 1𝛽

)] (2.10)

2.5 Colhedora de cana-de-açúcar

Definida a colheita em 3 principais sistemas por Ripoli e Paranhos (1897): sistemamanual, sistema semi-mecanizado e sistema mecanizado, a colhedora de cana-de-açúcarconsiste no sistema mecanizado, também conhecido como colheita mecanizado. É um tipode colhedora autopropelida, responsável por todo o sistema de corte, colheita e alimenta-ção de outro equipamento responsável pelo processo de transporte para usina, chamadode transbordo.

2.5. Colhedora de cana-de-açúcar 39

Figura 11 – Alguns dos elementos que compõe uma colhedora de cana-de-açúcar

Fonte: Manual do Operador - Fabricante Cameco, 2000

No estudo de Shimosakai (2015), o procedimento de corte da cana-de-açúcar érealizado inicialmente pelo cortador de pontas, estrutura responsável por reduzir as folhaspresentes na cana e outras impurezas vegetais que pela sua estrutura molecular orgânicapobre em açúcar contribuem muito pouco para a produção. Tem para a maioria dos casos,adequação a diferentes variedades de cana, sendo ajustado em posição para atender aoponto ideal de corte de pontas. Em seguida, os divisores de linha ou separadores delinha são encarregados de desassociar as linhas, visto que a colhedora em questão, fazo corte de uma linha específica por vez. Essa divisão é essencial para a produtividadeda colheita apenas do desejado, existindo ainda o encargo no levantamento da cana queesteja acamada, tombada sobre o solo.


Figura 12 – Processo de colheita de cana-de-açúcar

Fonte: Gobesso, 2010

Tabela 2 – Componentes principais de uma colhedora de cana-de-açúcarItem Nome do Componente

1 Cortador de Pontas2 Pirulitos/Levantadores de Colmos3 Divisores de Linha4 Suspensão5 Rolos Transportadores6 Ventilador do Motor (Sist. de Arrefecimento)7 Rolos Picadores8 Jacaré9 Cubo do Extrator Primário10 Mesa de Giro do Elevador11 Mancal de Acionamento da Esteira12 Cubo do Extrator Primário13 Giro do Bojo Secundário14 Mancais do Eixo Primário15 Suspensão e Direção16 Mesa de Direção

O rolo tombador é incumbido do próximo procedimento, direcionar a cana parao interior da colhedora e auxiliando no sistema de corte realizado pelo corte de base, ouseja, corta-se a base da cana em altura ótima para aproveitamento da maior quantidadede cana possível, rica em açúcar. O posicionamento do corte de base é ajustado pelooperador.

2.6. Estudo de Caso - Abordagem Utilizada 41

Ainda de acordo com Shimosakai (2015), no caminho para o picador, o corte con-tinua, sendo esse importante para picar a cana previamente cortada através do uso defacas e contra facas rotativas. Após picar, a limpeza é realizada com o extrator primárioeliminando a palha e separando folhagens e a sujeira superficial. Essa palha é direcio-nada sobre o solo, cobrindo-o e a cana segue para o elevador da máquina, em forma deesteira, até alcançar altura necessária para ser despejada no transbordo para transportepassando ainda por um último processo de limpeza semelhante ao primeiro com o extratorsecundário.

Figura 13 – Componentes do processo de corte da cana-de-açúcar

Fonte:(SHIMOSAKAI, 2015)

2.6 Estudo de Caso - Abordagem Utilizada

As estratégias de pesquisa concentram-se no tipo de pesquisa proposta, no controledo pesquisador sobre o comportamento dos eventos, fenômenos e no foco aos acontecimen-tos, presando pelo aspecto contemporâneo. A forma das questões “como” e “por que” sãoexplanatórias e levam ao uso também de estudos de caso (Tab. 3), lidando com ligaçõesoperacionais do alvo analisado e que comumente necessitam ser traçadas ao longo de umperíodo. (YIN, 2001).

O objetivo do estudo de caso está no detalhamento dos problemas não completa-mente dominados ou conhecidos, buscando hipóteses e auxiliando no desenvolvimento deteorias e conceitos. Os especificamente avaliativos enfatizam a conexão entre a descriçãoe a avaliação de dados levantados durante o estudo. (MATTAR, 1996)(GIL, 1996)


Tabela 3 – Características de diferentes tipos de pesquisa

Estratégia Forma da questãode Pesquisa

Exige ControleSobre Eventos

Comportamentais?

FocalizaAcontecimentos

Contemporâneos?Experimento Como, Por quê? Sim SimLevantamento Quem, O que, Onde, Quantos, Quanto Não Sim

Análise de Arquivos Quem, O que, Onde, Quantos, Quanto Não Sim/NãoPesquisa Histórica Como, Por quê? Não Não

Estudo de Caso Como, Por quê? Não Sim

Nas palavras de Schramm (1971), o estudo de caso possui como essência a tendênciaem todos os seus tipos de tentar esclarecer uma decisão ou conjunto de decisões, buscandoos motivos, a implementação e os resultados.

Com isso Yin (2001), mostra que a definição de estudo de caso cita o objeto das“decisões” como centro dos estudos de caso. Desse modo, a designação também passa porinvestigações empíricas de fenômenos contemporâneos dentro do contexto da vida real doproblema, em particular para contextos não claramente definidos.

Outra característica notável é a de que o estudo se baseia em várias fontes deevidências, com várias variáveis de interesse e utiliza-se de desenvolvimento prévio dasteorias para planejar a coleta e análise de dados. Nesse aspecto, o estudo de caso nãoé se resume em tática para coleta de dados e nem é natureza do planejamento em si(STOECKER, 1991)

2.6.1 Variações dos estudos de caso

Tanto estudos de caso único quanto estudos de casos múltiplos podem ser incluí-dos nas pesquisas. Além disso também pode ser quantitativas ou limitadas as evidênciasqualitativas.

De acordo com Godoy (1995), a concepção de pesquisa qualitativa compõe umconjunto de técnicas interpretativas que tem por consequência a descrição e decodificaçãodos componentes de um sistema complexo. Transcreve e apresenta o sentido das ocorrên-cias do mundo real, reduzindo a distância entre teoria e dados. Não impedem a utilizaçãodo empirismo nas análises, mas partem com foco na análise das ocorrências, essas dotadaspor vezes de certa ambiguidade.

2.6.2 Projetando estudos de caso e seus componentes

A dificuldade se deve justamente ao plano de projeto de pesquisa, que constituiuma difícil realização dos estudos de caso. Não existe ainda rígidas normativas para taisprojetos. Um erro muito comum é acreditar que os estudos de caso são subconjuntos


de outras estratégias de pesquisa como por exemplo os experimentos. Por muito tempoos pesquisadores e estudantes acreditaram ser os estudos de caso, um processo quase-experimental. “Certamente o estudo de caso como vem sendo realizado não deve serrebaixado pela identificação com um projeto apenas de pós-teste de um único grupo”(COOK; CAMPBELL, 1979).

Em termos de pesquisa o estudo de caso possui suas próprias normativas. Em umprojeto de pesquisa, cinco componentes são especialmente relevantes:

1. Questões do estudo;

2. Proposições, quando houver

3. Unidade de análises;

4. Ligação lógica entre os dados e proposições;

5. Critérios de interpretação para as descobertas realizadas.

Já discutido no tópico X, as questões do estudo norteiam a estratégia utilizada, enessa situação as perguntas “como” e “por que” possuem tarefa inicial decorrer a pesquisae os focos. A proposição tem atenção voltada para o objeto examinado no escopo do estudo.Está amarrada a teoria desenvolvida previamente e aponta evidências significativas paraa organização e estrutura da pesquisa. A definição do caso apresenta a problemática demaneira clara e conduz ao problema fundamental, sendo conceito particular para cadapesquisador. As unidades de análise estão encadeadas com o problema fundamental e adefinição do caso. Os estudos podem ser a respeito de um indivíduo, e necessitam decerta restrição pois é comum que pesquisadores cometam o equívoco de fazer abrangentescoletas e proporem situações impossíveis de se estudar pelo alto volume e abrangência.A especificação das proposições permitem limites exequíveis, garantindo viabilidade econdições funcionais para o estudo. (YIN, 2001)

A ligação dos dados com a proposição de acordo com (CAMPBELL, 1975) possuidiferentes maneiras de serem feitas, mas a ideia existente é trabalhar com uma adequaçãoao padrão relacionando a situação a uma proposição teórica, sendo que diversas partesda informação podem estar ligadas a mesma proposição teórica.

2.6.3 Utilizando a teoria no estudo de caso

Para consolidação do estudo, a teoria preliminar relacionada ao tópico deve serrealizada com bom embasamento, mas sem enrijecer e impor teorias antes de uma in-vestigação completa. A compreensão do estudado é base para não cometer os equívocos


comuns de estudantes, contatando os responsáveis pela operação de campo rapidamentesem completo domínio do proposto e do envolvido.

Ao longo do tempo muitos tipos e teorias foram apresentadas, considerando análisede grupos, teorias individuais, organizacionais, entre outras. O estudo de caso facilita acoleta de dados, elevando o nível dos resultados. Acreditar que se deve pensar a teoriacom muita formalidade e excesso de complexidade é um erro, pois não requer domínioteórico magistral, mas o projeto completo do estudo de caso conduzirá a uma necessidadede domínio da teoria aplicada, sendo essa primordialmente conhecida antes da realizaçãoda coleta dos dados, embasando os principais dados e as relevantes estratégias a seguir.As teorias utilizadas podem ser diversas, passando por teorias: individuais; de grupo;organizacionais e sociais. (YIN, 2001)

No estudo de Carrol e Johnson (1992) as teorias de tomada de decisão foramilustradas e descritas, incluindo indivíduos, grupos sociais e organizações.

2.6.4 Avaliando a generalização

Uma generalização comumente reconhecida é a estatística, embora não seja umadas mais relevantes para realizar estudos de caso. Através da generalização estatísticaé feita uma dedução a respeito de uma população ou universo, considerando os dadosobtidos sobre a amostragem. Dessa maneira é possível fazer correlação entre populaçãoe amostragem, tendo o pesquisador ferramentas matemáticas para determinar o grau decerteza dessa inferência. (FOWLER, 1988)

Ainda assim deve haver cuidado, sendo um erro considerar a generalização estatís-tica para generalizar o estudo de todo caso. A generalização analítica é outro meio peloqual são realizados os estudos, no qual se utiliza de teorias previamente estabelecidaspara validar o modelo, utilizando-se dos dados obtidos empíricos. Esse meio se torna fortequando casos plurais sustentam a mesma teoria. (YIN, 2001)

2.6.5 Projeto de estudo de caso

Podem ser divididos basicamente em dois tipos: único e múltiplos. Quando se tratade estudo de caso único busca-se atestar um fundamento coeso, coerente representandoum caso decisivo, com teoria sólida. Nesse caso deve haver um caso único que defere,questiona ou adiciona ago a teoria. Outras possibilidades são o caso único que descrevefenômenos raros, extremos e também casos reveladores, geralmente inacessível a comu-nidade científica. Assim sendo, torna-se complexa a avaliação e especificação correta decasos considerados como únicos criando a necessidade de uma investigação minuciosa arespeito do evento.(LUDKE; ANDRé, 1986)

A medida que se têm mais de um caso único, recorre a projeto de casos múltiplos.


Quando comparado aos casos únicos a vantagem está em abranger mais as diferentes si-tuações gerando inclusive considerações e resultados mais robustos, convincentes, emboraexijam para a maioria dos casos amplos recursos e tempo.

47

3 Metodologia

Com a discussão feita a respeito do estudo de caso, o trabalho em questão é umapesquisa quantitativa, com objetivo exploratório, caracterizado pela procura em entendero a fundo o tema e os fatores que o cercam, abordando entendimento a respeito de todoo departamento de manutenção automotiva. Torna-se ao mesmo tempo descritivo pelacoleta de dados existente, obtida através de contato direto com funcionários e o gestorda área de manutenção, sendo também de caráter explicativo pelo próposito em explicarfenômenos existentes . Para tanto se faz necessário a coleta de dados, em campo, decolhedoras de cana-de-açúcar em operação.

3.1 Caracterizando a usina analisadaA empresa do estudo é o grupo Atvos, unidade Rio Claro Agroindustrial. Está

localizada no interior do estado de Goiás, no município de cachoeira Alta. A produçãoda unidade, tendo como base a moagem de cana foi de aproximadamente 3 milhões detoneladas na safra de 2014/2015.

As análises consistem no acompanhamento de 8 colhedoras na safra de 2017, entreas 20 totais na unidade, que cultivam cana-de-açúcar, dos seguintes modelos:

∙ 4 Colhedoras - Modelo Case IH 8800

– Código de identificação - 23020250




∙ 4 Colhedoras - Modelo John Deere CH 570





Dentro do processo operacional as colhedoras possuem os códigos identificadorescitados, atribuído pela unidade produtiva, desse modo o acompanhamento permaneceorganizado para o processo do departamento e consequentemente para o estudo de casopresente.

48 Capítulo 3. Metodologia

As instalações e estrutura da oficina da unidade são as seguintes:

∙ Quadro de 248 integrantes

∙ Área Total da Oficina ; 70.000 𝑚2

∙ Area pavimentada de 24.000 𝑚2

Área Coberta de Oficina de 4400 𝑚2 sendo:

∙ 3200 𝑚2 de Oficina de Equipamentos

∙ 16 boxes para veículos e máquinas,

E contendo ainda:

∙ Caldeiraria;

∙ Usinagem;

∙ Oficina de Montagem de Conjuntos;

∙ Laboratorio Hidraulico;

∙ Sala de Montagem Eletrica;

∙ 1200 𝑚2 de Lavador;

∙ Rampa de Lubrificação;

∙ Borracharia.

Foram realizadas duas visitas, sendo uma no ano de 2017 e uma visita em maiode 2018.

3.2. Desenvolvimento do levantamento dos dados 49

3.2 Desenvolvimento do levantamento dos dados

Figura 14 – Fluxograma em modelo BPMN da metodologia aplicada

Fonte: Autor

Neste trabalho os dados levantados foram fornecidos pela empresa estudada, a qualutiliza o software PIMS-MANFRO, responsável pelo acompanhamento da manutençãode frota. A TOTVS é uma empresa brasileira de tecnologia, responsável pela criação edesenvolvimento do PIMS-MANFRO e especialista no desenvolvimento de soluções denegócios para players de todos os portes.

Todo serviço de manutenção realizado é dependente de um documento de controlee permissão, a ordem de serviço, que permite a retirada de peças por conta do executordo serviço além de possuir dados importantes para controle e acompanhamento dentrodo processo de manutenção de fato. Dados esses como por exemplo: hora de abertura efechamento; número do equipamento (identificação); serviço realizado; responsável peloserviço; responsável pela abertura da ordem de serviço e motivo de parada.

Desse modo, os dados foram coletados no departamento de manutenção da unidadeRio Claro Agroindustrial, seguindo os processos do departamento de manutenção comopode ser visto no anexo A e analisando os documentos de ordens de serviço. O softwarePIMS-MANFRO, exporta dados para o excel em formato .xlsx e com esse arquivo umcódigo em Visual Basic for Applications (VBA) foi criado para cálculo do tempo de fun-cionamento dos componentes dos sistemas da colhedora de cana considerando a diferençaentre a data da ordem de serviço aberta e a data de fechamento imediatamente anterior,com isso tem-se o valor de tempo de funcionamento pontual do sistema, entre as falhas.

Portanto, o algoritmo em Visual Basic for Applications (VBA) tem a finalidade deobter o tempo de funcionamento dos componentes que compõem um sistema, filtrando-ospor equipamento (colhedora) e por tipo de manutenção.


A planilha exportada do software PIMS-MANFRO, possui todas as ordens de ser-viço abertas no período escolhido pelo usuário (nesse trabalho especificamente, o parcialda safra 2017) mas sem definição explícita de sistema (elevador, hidráulico, picador, ma-terial rodante e outros). Os sistemas foram separados nas Ordens de serviço, utilizandouma busca pelo nome de componentes relacionados ao sistema. Para reunir os dados arespeito do sistema hidráulico por exemplo, uma das palavras buscadas é "mangueira",para que filtre somente itens relacionados ao sistema hidráulico.

Figura 15 – Filtro de sistema das colhedoras de cana analisadas

Fonte: Autor

A figura 16 permite a visualização da planilha e suas colunas, com as informaçõesdo tipo de colhedora, código do equipamento, tipo de manutenção realizada.

Figura 16 – Planilha das ordens de Serviço

Fonte: Autor

Os valores de entrada e saída da ordem de serviço se referem ao tempo em que

3.2. Desenvolvimento do levantamento dos dados 51

a máquina esteve em reparo, com serviço em andamento. Após a finalização da ordemde serviço a máquina volta a operação. Considerando N como uma ordem de serviçofinalizada para determinado sistema, o tempo de funcionamento do sistema foi definidocomo a data e horário de abertura da ordem de serviço N+1 subtraído da data e horáriode encerramento da ordem de serviço N. Portanto, esse é o período que o sistema passouem operação. A figura 17 explicita mais informações presentes na planilha de ordens deserviço exportada pelo software PIMS-MANFRO

Figura 17 – Planilha das ordens de Serviço

Fonte: Autor

Portanto para o levantamento da confiabilidade e as métricas discutidas no Refe-rencial Teórico, foram definidos um conjunto de palavras para filtrar e avaliar 7 sistemas,que são:

∙ Sistema Hidráulico;

– Hidráulico

– Bloco;

– Comando;

– Cilindro;

– Mangueira;

– Motor Hidráulico;


– Acumulador;

– Bomba;

– Charl (se referindo a Charlyn ou Charlim);

∙ Sistema Extrator Primário;

– Extrator;

∙ Sistema Elevador;

– Elevador;

∙ Sistema Corte de Base;

– Extrator;

∙ Sistema Divisor de Linha;

– Divisor de Linha;

– Pirulito;

∙ Sistema Material Rodante;

– Material Rodante;

– Redução Final;

– Cubo Redutor;

– Esteira;

– Rolete;

∙ Sistea Picador;

– Picador;

– Facão;

De acordo com Fogliatto e Duarte (2009), a confiabilidade e ataxa de falha sãofunções de um período de tempo e sobre isso decorrem os seguintes cuidados para essametodologia:

∙ A variável aleatória deixa de ser 𝑋 (unidade clássica da estatística) e passa a ser 𝑇 ;

∙ O tempo T pode ser analisado considerando ciclo de vida, número de milhas ou outrarepresentação indireta de tempo, duração. Para o presente trabalho foi utilizado aanálise ao longo dos meses de Abril de 2017 ao final de Agosto de 2017, sendo umasafra completa geralmente de março a novembro;

3.3. Métricas de análise para o estudo de caso 53

∙ A especificação de confiabilidade deve estar amarrada a especificação do tempo. Umsimples valor de confiabilidade sem situar o período de análise não é conclusivo;

∙ Um dos pontos mais importantes da análise de confiabilidade é que a resolução paraa medição nem sempre é rígida, óbvia. Pode ser definido diferentes meios de se obtere de apresentar a escala de valores da confiabilidade de um mesmo item.

Desse modo os cálculos e procedimentos realizados serão descritos seguindo asmétricas indicadas no referencial teórico.

3.3 Métricas de análise para o estudo de casoNessa seção será discutido de maneira descritiva quais as considerações para os

levantamentos e tratamento de dados do estudo de caso.

3.3.1 MTBF - Mean time between failures (Do português Tempo MédioEntre Falhas - TMEF)

De acordo com a distribuição Weibull o cálculo realizado para o MTBF empregaa Equação 3.1:

𝑢 = 𝜃𝛾(1 + 1𝛽

) (3.1)

Onde:

∙ Para 𝛾 é necessário considerar o valor para a distribuição/função Gamma;

∙ 𝜃 é o parâmetro de escala;

∙ 𝛽 é o parâmetro de forma.

A variável do tempo utilizado para cálculo será 𝑇 em Horas.

3.3.2 Disponibilidade Física de Máquinas

A Equação 3.2:

𝐷𝐹 = 𝐻𝑜𝑟𝑎𝑠 𝑇𝑟𝑎𝑏𝑎𝑙ℎ𝑎𝑑𝑎𝑠

𝐻𝑜𝑟𝑎𝑠 𝑇𝑜𝑡𝑎𝑖𝑠 𝑑𝑜 𝑃𝑒𝑟í𝑜𝑑𝑜(3.2)

Os levantamentos serão da Disponibilidade Fìsica:


∙ Por semana;

∙ Por mês.

3.3.3 Índice de Corretiva

A Equação 3.3 é:

Í𝑛𝑑𝑖𝑐𝑒 𝑑𝑒 𝐶𝑜𝑟𝑟𝑒𝑡𝑖𝑣𝑎 =∑︀

𝐻𝑜𝑟𝑎𝑠 𝑑𝑒 𝐶𝑜𝑟𝑟𝑒𝑡𝑖𝑣𝑎∑︀𝐻𝑜𝑟𝑎𝑠 𝑑𝑒 𝐶𝑜𝑟𝑟𝑒𝑡𝑖𝑣𝑎 + ∑︀

𝐻𝑜𝑟𝑎𝑠 𝑑𝑒 𝑃𝑟𝑒𝑣𝑒𝑛𝑡𝑖𝑣𝑎(3.3)

3.3.4 Diagrama de Pareto

A utilização do Diagrama de Pareto lista as peças, componentes e subsistemasque falharam, criando assim um levantamento relacionando a frequência de problemas epermitindo priorizar problemas e ajudar no combate a situações que diminuem a confia-bilidade das máquinas e consequentemente a disponibilidade.

3.3.5 Controle Estatístico de Processo - Gráfico U

De acordo com X gráficos de controle são técnicas comprovadas para melhoria deproduvitivade, reduzindo perdas e retrabalho. São úteis para prevenir defeitos e permitemuma decisão mais acertiva a respeito de ajustes no processo. A capacidade do processoestá diretamente ligada com o gráfico de controle, demonstrando por exemplo se há ounão estabilidade do processo ao longo do tempo. Para o estudo de caso presente, é valiosomonitorar o número de defeitos em uma unidade (no caso a colhedora de cana-de-açúcar).Para essa situação utiliza-se o gráfico U com o limite superior de controle - LSC e pelolimite inferior de controle - LIC:

𝐿𝑆𝐶 = 𝑢 + 3√︂

𝑢

𝑛(3.4)

𝐿𝐶 = 𝑢 (3.5)

𝐿𝐼𝐶 = 𝑢 − 3√︂

𝑢

𝑛(3.6)

Sendo:

∙ 𝑛 é o número de amostras;

∙ 𝑢 =∑︀

𝐷𝑒𝑓𝑒𝑖𝑡𝑜𝑠 𝑝𝑜𝑟 𝑈𝑛𝑖𝑑𝑎𝑑𝑒

𝑛

3.3. Métricas de análise para o estudo de caso 55

São 8 colhedoras avaliadas, mencionadas no início do Capítulo 3, onde cada amos-tra foi colhida semanalmente. O grupo de colhedoras Case possui avaliação durante maissemanas em função das colhedoras da marca John Deere serem novas, entraram em ope-ração aproximadamente no final do mês de abril/2017.

3.3.6 Quantificando a Confiabilidade

A discussão realizada na Seção 3.3.6 e Seção 2.4 embasa a metodologia aplicadaonde a confiabilidade R para um modelo de distribuição Weibull é expressa pela Equação3.7

𝑅(𝑇 ) = 𝑒−( 𝑇 −𝛿𝜃

)𝛽 (3.7)

As variavéis:

∙ 𝑇 é o tempo no qual se deseja a confiabilidade R;

∙ 𝛽 é o parâmetro de forma da distribuição Weibull



Nesse estudo de caso o parâmetro 𝛿 foi considerado zero porque pressupõe queassim que o equipamento entra em operação existe a possibilidade de falha, como discutidona Seção 2.4

3.3.7 Taxa de falha - Função de Risco

A taxa de falha ℎ para aplicação no estudo de caso, com utilização do modelo dedistribuição Weibull é obtida através de:

ℎ(𝑇 ) = 𝛽

𝜃(𝑇 − 𝛿

𝜃)(𝛽−1) (3.8)

As variavéis:

∙ 𝛽 é o parâmetro de forma da distribuição Weibull

∙ 𝑇 tempo em horas;




Nesse estudo de caso o parâmetro 𝛿 foi considerado zero porque pressupõe queassim que o equipamento entra em operação existe a possibilidade de falha, como discutidona Seção 2.4

3.4 Tratamento de dados

3.4.1 Hazzard Plotting e Probablity Plotting

A estimativa dos parâmetros 𝛽 e 𝜃 da distribuição Weibull foi realizada com ométodo de Hazzard Plotting inicialmente, sendo esse método uma linearização de 𝐻(𝑥).Porém após a não convergência dos valores, apresentando 𝛽 negativo para alguns cassos,tal método foi abandonado. É definido por:

𝐻(𝑥) = −𝑙𝑛[1 − 𝐹 (𝑥)] (3.9)

Lembrando que 𝐹 (𝑥) é a Equação 2.8. O método de Probability Plotting é outraforma de estimar parâmetros da função Weibull também através da linearização da distri-buição cumulativa.(DODSON; SCHWAB, 1962)(RELIASOFTBRASIL, 2005)(FREITAS;COLOSIMO, 1997)

3.4.2 Máxima Verossimilhança

Portanto para o cálculo das seções 3.3.6 e 3.3.7 é necessário do levantamento dosparâmetros 𝛽 e 𝜃, feito através do presente método. O método de máxima verossimilhançatrata o problema de estimação baseando-se nos resultados obtidos pela amostra. Se porexemplo, a distribuição do tempo de falha é a de Weibull, para cada combinação diferentede 𝛽 e 𝜃 tem-se diferentes distribuições de Weibull. O estimador de máxima verossimi-lhança escolhe aquele par de 𝛽 e 𝜃 que melhor explica a amostra observada. É um métodonão análitico, sem possibilidade de solução analítica, porque é impossível isolar o parâme-tro 𝛽 de forma independente na equação, sendo necessário a utilização de um algoritmopara resolver um método numérico, por exemplo, de Newton-Raphson ou Bissecção. Foiutilizado um algoritmo em MALTAB para um método numérico da bissecção, buscandoencontrar o valor de Beta, sendo esse a raiz da seguinte função:∑︀

𝑡𝛽 * ln 𝑡∑︀𝑡𝛽

− 1𝛽

− 1𝑛

∑︁ln 𝑡 = 0 (3.10)

Em que:

∙ 𝛽 é o parâmetro de forma.

Obtendo 𝛽 o valor de 𝜃 é encontrado através de:

3.4. Tratamento de dados 57

Θ = 1𝑛

[∑︁

𝑡𝛽]1𝛽 (3.11)

Aplicando os dois parâmetros encontrados nas equações das seções 3.3.6 e 3.3.7podem ser estimadas confiabilidade e função de risco (taxa de falha).(FOGLIATTO; DU-ARTE, 2009)(RELIASOFTBRASIL, 2005)(ACTION, )

59

4 Resultados e Discussões

Como descrito na metodologia, as métricas foram levantadas com o uso de dadosfornecidos pela unidade produtiva também explicitada no capítulo anterior. Os dados dasordens de serviços no período da safra foram determinantes e serviram de base para odesenvolvimento dos itens a seguir.

4.1 Disponibilidade Física de Máquinas

Essa métrica tem relação direta com o conceito de confiabilidade e com a qualidadedo processo de manutenção. Embora esteja representada em função da porcentagem detempo disponível dentro do período analisado, como explicado na equação 3.2, tambémpode ser avaliada através do MTTF/MTBF considerando que uma unidade produtivapossui basicamente duas condições, em operação ou em reparo (manutenção) a posse dostempos de operação e condição nas OS’s dão condição para avaliar a disponibilidade emfunção de um tempo 𝑡. A avaliação da disponibilidade física de máquinas, é mostrada natabela 4, (como citado no capítulo 3) e confirma o esperado, que a disponibilidade paraas colhedoras John Deere é de 10 a 15 por cento maior.

Tabela 4 – Disponibilidade Física de Máquinas

Modelo Colhedora Código do Equipamento Disponibilidade Física de MáquinasJohn Deere CH 570 13020206 92%John Deere CH 570 13020291 87%John Deere CH 570 13020292 88%John Deere CH 570 13020293 90%

Case A8800 23020250 78%Case A8800 23020251 80 %Case A8800 23020252 81%Case A8800 23020253 78%

A razão de tal fato se deve pelo tempo de uso dos equipamentos, sendo as colhedo-ras John Deere em questão, equipamentos novos, que tiveram o uso iniciado na safra de2017. É importante ressaltar que a baixa variação de porcentagem entre os equipamentosde mesma marca ainda demonstram uma sensível diferença quando considerado o valorem horas.

60 Capítulo 4. Resultados e Discussões

4.2 Índice de Corretiva

Nos mesmos moldes da seção anterior, o índice de corretiva é uma importanteanálise a respeito do tipo de manutenção realizada no equipamento. As influências dotipo de manutenção foram discutidas no capítulo 2.1 O índice de corretiva provém darazão entre horas de manutenção corretiva pelas horas totais de manutenção realizada eestá apresentado na tabela 5.

Tabela 5 – Índice de CorretivaModelo Colhedora/Código Horas de Manutenção Horas de Corretiva Índice de Corretiva

John Deere CH 570 - 13020206 212,1 111,24 52,4%John Deere CH 570 - 13020291 469,49 316,84 67,5%John Deere CH 570 - 13020292 494,47 332,31 67,5%John Deere CH 570 - 13020293 375,02 180,01 48%

Case A8800 - 23020250 782,27 608,92 77,8%Case A8800 - 23020251 718,5 517,27 72,0%Case A8800 - 23020252 682,95 466,77 68,3%Case A8800 - 23020253 782,57 576,5 73,7%

As colhedoras John Deere CH570 de código 13020291 e 13020292 possuem alto ín-dice de corretiva, sendo um agravante pelo fato prévio conhecido de que são equipamentosnovos, que entraram em operação na safra analisada pelo presente trabalho. A alta taxade corretiva é característica do processo de manutenção agrícola do setor sucroalcooleiro,embora não seja desejável um valor tão alto de corretiva por demonstrar instabilidade noprocesso. Ainda assim, a conjuntura das variáveis de operação, interação da máquina comambiente, interferência de manutenção justificam os valores.

4.3 Diagrama de Pareto

Baseado no princípio de pareto, também conhecido como a regra 80/20 é possíveldiante dessa métrica, estabelecer prioridades de intervenção, analisando com maior rigor osproblemas. Identificar os pontos especiais, dará prioridade na resolução de problemas. Umaquestão importante a ser ressaltada é que o diagrama de pareto se torna mais conclusivoquando acompanha uma análise do custo daquele problema diante do orçamento total.Não é sempre que uma alta frequência de defeitos requer atenção, um exemplo disso sãoos casos em que o custo da falha daquele componente ou sistema não são representativosa ponto de justificar uma intervenção.

4.3. Diagrama de Pareto 61

Figura 18 – Diagrama de Pareto de Colhedora de Cana de Açúcar

Na figura 18 acima o elevador é um subsistema que merece atenção, para essa co-lhedora do código 13020306. Em contato com o departamento de manutenção um sistemacrítico para análise é o elevador. Independente da marca da colhedora é um componentecom considerável quantidade de falhas, representando na imagem 22 falhas, responsáveispor pouco mais de 30 por cento das ocorrências totais.


A frequência acumulada dos problemas na figura 19 mostra os três primeiros siste-mas com semelhança de frequência de ocorrência, não havendo abrupta diferença entre asfrequências de falha como ocorre em outros processos avaliados pelo diagrama de pareto.



Para a imagem 20 o sistema hidráulico está em grande parte dos casos dos dia-gramas de pareto, presente nas primeiras posições. Ainda assim, os principais registros deserviços estão relacionados a substituição de mangueiras, conexões, vazamentos e outrasmecanismos de falha simples e primários. Alguns defeitos desses pequenos componentesnão impactam gravemente no orçamento do departamento de manutenção, exceto quandoo volume é alto, acarretando em custo acumulado excessivo.


O divisor de linha está em constante desgaste pelo contato com a cana-de-açúcar,o solo e eventuais choques existentes e inesperados durante o deslocamento do equipa-mento e o processo de colheita. Por conseguinte, a figura 21 explicita a intuitiva situaçãooperacional.

4.3. Diagrama de Pareto 63


Na análise das colhedoras Case, é possível perceber a predominância de um sistemaem relação aos demais tanto para a colhedora da figura 22, quando a 25. Ambas com maiorfrequência de problemas no sistema hidráulico.


O material rodante é um sistema com periocidade de falha por conta do desgastede grande relação com a operação e o ambiente externo de trabalho. A análise da fig 23O preço dos componentes possui considerável comprometimento do orçamento, além dotempo gasto com reparo ser comumente maior.



Os itens como extrator, corte de base são de baixa influência nos diagramas apre-sentados, embora o período de análise não tenha incluído o final da safra que deve causaraumento na frequência de falha do sistema de corte de base e picador. A figura 25 mostrabaixa influência do extrator nos defeitos da colhedora 23020253.


4.4 Controle Estatístico de Processo - Gráfico UComo discutido no 3.3.5, as amostras foram retiradas semanalmente. O eixo X, das

figuras 26, 27, 28 e 29 estão em semanas, completando todo o período de abril a agosto de2017. Através das discussões de 2.2.9 a importância na visualização do gráfico de controleestá na capacidade de compreender se há variabilidade no processo ou algum comporta-mento estável, ou seja, reconhecer o padrão de comportamento. Feito isso, a razão para

4.4. Controle Estatístico de Processo - Gráfico U 65

tal comportamento pode ser melhor compreendida, o que inclui um domínio a respeitodo processo analisado. De acordo com Montgomery (2009) existe um conglomerado decondições de decisão para detectar padrões não aleatórios de comportamento nos gráficosde controle. Tal conjunto de regras, conhecido como Regras Western Electric define que:

∙ Um ponto cair fora dos limites 3-𝜎;

∙ Dois de três pontos consecutivos caírem além do limite 2-sigma

∙ Quatro de cinco pontos consecutivos caírem a uma disância de 1-sigma ou além dalinha central

∙ Oito pontos consecutivos caírem em um lado da linha central

4.4.1 Controle Estatístico - Colhedoras CASE

De acordo com as cartas de controle e as considerações para os gráficos das co-lhedoras Case, a figura 26 está dentro de controle, com estabilidade no processo, sendoo padrão de comportamento desejável. Embora o processo aconteça dentre os limites, aseção 4.6 discute de forma mais abrangente o motivo de mesmo dentro de controle, odesempenho não é satisfatório.

Figura 26 – Controle Estatístico de Processo - Gráfico U


Ainda que exista uma estabilidade nos gráficos de controle e mesmo com ade-quação diante dos quatro itens das Regras Western Electric, o alto número de defeitosencontrados, mesmo que dentro do aceitável serve de alerta.

A figura 27 revela desempenho particular, principalmente para a colhedora decódigo 23020252. O aumento das falhas, até a quase fuga de dois pontos acima do LimiteSuperior de Controle pode ser facilmente percebido. O acréscimo das falhas ao longo doperíodo analisado demonstra uma tendência de descontrole com a aproximação do finalde safra da unidade avaliado, produtora de cana-de-açúcar.


4.4.2 Controle Estatístico - Colhedoras John Deere

O intuito das avaliações não são a comparação de marcas entre os diferentes equi-pamentos. Como mencionado em 3 as colhedoras do modelo John Deere CH 570 foramadquiridas novas, no ano do período de análise. O período do eixo X (eixo horizontal)das figuras 28 e 29 possuem um número menor de semanas, levando em consideração ofato das colhedoras John Deere analisadas não terem começado a operação juntamenteao início do período analisado, começo de abril ed 2017.

4.4. Controle Estatístico de Processo - Gráfico U 67


A disparada de falhas dentro do processo com o andamento da safra mostra que odesgaste com as horas de trabalho afeta significativamente os elementos de máquinas e ossistemas das colhedoras de cana-de-açúcar. As colhedoras John Deere CH 570 apresentamaumento das falhas ao longo do processo, porém dentro dos limites de controle, o que nãojustifica por hora a compra ou substituição de novos equipamentos de colheita. Os equi-pamentos John Deere estavam no ano de 2017 na primeira safra e com isso, é conclusivoperceber que a quantidade de falhas é sensivelmente menor que o das máquinas já usadasdo outro grupo, fabricante CASE. Ainda na figura 29, o final do período apresenta pontofora do limite superior de controle (LSC). De acordo com as cartas de controle mencio-nadas no início da presente seção, um ponto está fora do limite 3-𝜎 na décima quinta edécima sexta semana após aumento sucessivo dos eventos de falha ao longo do período,culminando ena referida extrapolação.



Enquanto a colhedora 13020292 apresenta variações aleatórias com grande am-plitude entre as falhas dos períodos próximos na figura 29, a colhedora 13020293 temtendência definida de crescimento ao longo do tempo, com formato de dente serrilhado,crescendo com proporcionalidade. Nota-se que a amplitude no gráfico de controle alterade maneira considerável os Limites Superior de Controle e a linha central.

4.5 Parâmetros da distribuição WeibullApresentado no capítulo 2.4 os parâmetros da distribuição weibull se adequam a

maneira como os dados estão dispostos, podendo, dependendo do parâmetro, se assemelhara várias distribuições de probabilidade. Um ponto muito importante do presente estudo édefinir tais parâmetros para evoluir nas tratativas de MTBF, termo inglês para designartempo médio entre falhas, gráficos de confiabilidade e a função de risco (ou taxa de falha).

A seguir os parâmetros para alguns dos principais sistemas presente nas quatrocolhedoras Case e quatro John Deere.

4.5. Parâmetros da distribuição Weibull 69

4.5.1 Parâmetros de Weibull para os sistemas das colhedoras Case A8800

Os valores de 𝛽 e 𝜃 aqui presentes na tabela 6 serão amplamente discutidos naseção 4.6 em relação a suas influências nos assuntos explicitados no capítulo 3.

Tabela 6 – Parâmetro 𝛽 para as colhedoras Case A8800

23020250 23020251 23020252 23020253Sistema Hidráulico 0,99 0,89 0,77 1,01

Extrator 0,58 0,79 0,83 0,94Elevador 1,30 0,94 0,91 0,94

Corte de Base 0,80 0,89 0,89 0,83Divisor de Linha 0,94 1,10 0,71 0,83Material Rodante 0,94 0,79 0,97 0,82

Picador 0,73 0,61 0,64 1,09

O valor de 𝜃, parâmetro de escala, melhor definido como vida característica natabela 7.

Tabela 7 – Parâmetro 𝜃 para as colhedoras Case A8800 (em horas)




Picador 84,41 207,07 184,27 186,50

4.5.2 Parâmetros de Weibull para os sistemas das colhedoras John Deere CH570

Uma investigação nos dados revela uma grande diferença entre as duas colhedoras,que além de terem equipamentos levemente diferentes, possuem diferenças de tempo defuncionamento.

Tabela 8 – Parâmetro 𝛽 para colhedoras John Deere CH 570




Picador 0,998 1,07 1,49 1,57


Os valores de 𝜃, vida característica, são consideravelmente maiores quando com-parado em função dos mesmos sistemas. A tabela 9 apresenta os valores.

Tabela 9 – Parâmetro 𝜃 para colhedoras John Deere CH 570 (em horas)



Corte de Base 1453 411,81 1560,7 1058Divisor de Linha 166,32 879,34 161,61 204,85Material Rodante 233,98 112,78 263,95 244,36

Picador 232,83 317,88 646,84 398,12

4.6 Confiabilidade e Função de Risco

Os gráficos aqui apresentados visam o auxílio em uma gestão de manutenção cen-trada em confiabilidade. A gestão de confiabilidade está ligada a fatores que vão além dequantificação matemática de gráficos e números, mas consequentemente está inserida nocontexto da análise gráfica da confiabilidade dos equipamentos e suas falhas. As ferramen-tas a seguir são indicativos que se tornam elementos chave para definição de um planode manutençao centrado em confiabilidade e avaliação mas não tratam normas técnicaspara definição final de descarte de equipamentos ou não.(XENOS, 1998)(FOGLIATTO;DUARTE, 2009)

4.6.1 Confiabilidade e Taxa de Falha - Colhedoras Case A8800

4.6.1.1 Sistema Hidráulico

O sistema Hidráulico possui função fundamental no funcionamento principal doscomponentes da colhedora. Sistemas aqui descritos dependem diretamente ou indireta-mente dos princípios hidráulicos para funcionamento ideal.

4.6. Confiabilidade e Função de Risco 71

Figura 30 – Confiabilidade do Sistema Hidráulico - Colhedora Case A8800

O sistema hidráulico é composto por diversos componentes de maior valor agre-gado como bombas, blocos e comando hidráulico além de itens simples como conexões,mangueiras e anéis de vedação. De acordo com o que foi apresentado no início dessa seção,quando 𝛽 < 1, o comportamento do gráfico da taxa de falha é considerado de mortalidadeinfantil. O valor de 𝛽 mais alto infere em uma suavidade maior no decréscimo da curva deconfiabilidade, embora seja claro na figura 30 que as curvas de maior valor para o parâme-tro 𝛽 não possuem suavidade, tendo acentuada queda da confiabilidade. Isso se deve aovalor de 𝜃, conhecido como parâmetro de escala ou vida característica. Quando a vida ca-racterística (𝜃) de um componente ou sistema é baixa, a confiabilidade consequentementediminui ao longo de todo o tempo.

Figura 31 – Taxa de Falha do Sistema Hidráulico - Colhedora Case A8800

Toda análise feita sobre a taxa de falha necessita estudo da curva da banheira. Ovalor de 𝛽 para a colhedora 23020252 pode ser visto na figura 31 mostra alto comporta-mento de mortalidade infantil, inicial, o que não é desejado para o sistema produtivo.


4.6.1.2 Sistema Extrator

No sistema extrator, responsável por extrair palha da cana de açúcar já picada, oalto valor da vida característica (𝜃) chama atenção. Tal discrepância pode ser percebida nafigura 32 quando com as informações provenientes do diagrama de pareto, nos mostrandoa baixa influência do extrator nas falhas da colhedora 23020253 e também o controleestatístico de processo.

Figura 32 – Confiabilidade do Sistema Extrator - Colhedora Case A8800

O valor de 𝜃 elevado para a curva 23020253 e com beta próximo de 1 é possívelperceber o comportamento da curva do gráfico na figura 33, quase constante.

Figura 33 – Taxa de Falha do Sistema Extrator - Colhedora Case A8800

É importante ressaltar que o valor máximo por vezes não é visto no eixo y, poislimitando o valor em y do gráfico, a visualização do comportamento das demais curvastem melhor interpretação. Para esse caso, se o gráfico tivesse escala para mostrar o va-lor máximo da curva na cor preta, as demais curvas ficariam muitoo próximas ao solo,perdendo qualidade de visualização.


4.6.1.3 Sistema Elevador

A confiabilidade para o sistema elevador é baixa quando avaliamos as horas cor-ridas pelo sistema. Pelo diagrama de pareto gerado e apresentado na seção 4.3 é diretoconstatar que o elevador é um sistema com importância na dinâmica de falha das colhe-doras.

Figura 34 – Confiabilidade do Sistema Elevador - Colhedora Case A8800

Fica claro na figura 34 a influência de Beta maior que um, e o crescimento carac-terizando taxa crescente de falhas com o decorrer do tempo. Essa reação permite concluirindícios de desgaste no equipamento.

Figura 35 – Taxa de Falha do Sistema Elevador - Colhedora Case A8800

Na imagem 35 as demais taxas possuem comportamento constante de falha.


4.6.1.4 Sistema Corte de Base

O destaque fica por conta do corte de base da 23020253 com confiabilidade afetaperante as demais, e embora os Betas sejam bem parecidos para todas as colhedoras, avida característica da curva em cor vermelha é constantemente menor.

Figura 36 – Confiabilidade do Sistema Corte de Base - Colhedora Case A8800

A taxa de falha, também conhecido como o gráfico da função de risco confirma adiscussão realizada para esse subsistema quando olhamos para a figura 36.

Figura 37 – Taxa de Falha do Sistema Corte de Base - Colhedora Case A8800

Com valores de 𝛽 e 𝜃 parecidos entre si, as outras curvas se sobrepõem dificultandoinclusive a visualização na figura 37. Todos os itens apresentam mortalidade infantil, combaixo valor de 𝛽.

4.6.1.5 Sistema Divisor de Linha

Tanto corte de base como divisor de linha estão sujeitos a falhas por má operaçãoe alta interferência do meio, como solo e obstáculos para o caso do corte de base. Através


da figura 38 podemos atestar pouca variação entre as curvas, na ordem de 20% para ospontos de 100, 200 e 300 horas.

Figura 38 – Confiabilidade do Sistema Divisor de Linha - Colhedora Case A8800

O gráfico de confiabilidade possui maior variação entre o equipamento 23020251 e23020253. No entanto as curvas seguem mesma tendência entre si.

Figura 39 – Taxa de Falha do Sistema Divisor de Linha - Colhedora Case A8800

Na imagem 39 taxa de falha acentuada com poucas horas de trabalho, facilita oentendimento do conceito de mortalidade infantil. A taxa de falha para o equipamento23020251 possui Beta maior que um, caracterizando vida útil. Assim sendo, a taxa defalha nas primeiras horas é baixa, com aumento a medida que a colhedora funciona.

4.6.1.6 Sistema de Material Rodante

O sistema material rodante sofre por estar sempre em contato com o solo, dosmais diversos tipos, além da carga imposta continuamente pela máquina. Pelas analisesrealizadas para essa marca de equipamento e outra marca, embora sejam componentesligeiramente diferentes, o baixo valor de 𝛽 ratifica a problemática do material rodante. Afigura 40 expõe muitas falhas em início de operação.


Figura 40 – Confiabilidade do Sistema de Material Rodante - Colhedora Case A8800

As curvas de confiabilidade em 40 possuem semelhanças em formato e escala.

Figura 41 – Taxa de Falha do Sistema de Material Rodante - Colhedora Case A8800

As funções de risco para o caso vigente, em 41 possuem baixa variação de taxa defalha em funcionamento intermediário e longo. Embora que, comparando valor próximoao início de funcionamento das máquinas a taxa de falha chega a ser de 4 a 6 vezes maior.

4.6.1.7 Sistema Picador

Sistema de méda influência no contexto do equipamento, todavia infere direta-mente sobre a qualidade da cana-de-açúcar picada. O picador possui problemas histórica-mente bem conhecidos pelo departamento de manutenção da unidade, como por exemplovibrações em caixa de engrenagens, desgaste, impactos constantes e sujeira. A figura 42apresenta a confiabilidade do picador.


Figura 42 – Confiabilidade do Sistema Picador - Colhedora Case A8800

O baixo número de ocorrências quando comparado a outros sistemas não atestaboa confiabildade para o picador. Isso fica claro nos dois valores de 𝛽, os menores até esseponto da figura 43.

Figura 43 – Taxa de Falha do Sistema Picador - Colhedora Case A8800

Recapitulando, os valores máximos da taxa de falha não estão presentes no eixo Ypor uma necessidade de escala para compreensão de todas as curvas. A sobreposição decurvas mostra tendência de acompanhamentro entre as colhedoras, após período inicial.

4.6.2 Confiabilidade e Taxa de Falha - Colhedoras Case John Deere CH570

4.6.2.1 Sistema Hidráulico

O resultado presente na figura 44 se assemelha ao realizado no mesmo sistema dascolhedoras Case A8800. A comparação não pode ser extendida para conclusões sólidas,visto que embora possuam sistemas semelhantes e com mesmo princípio de funcionamentoe função são marcas diferentes com componentes de características particulares. Ainda


assim, o sistema hidráulico é reconhecidamente passivo de falhas frequentes e os dados de𝛽 deixam isso claro.

Figura 44 – Confiabilidade do Sistema Hidráulico - Colhedora John Deere CH 570

As colhedoras 13020291, 13020293 e 13020206 demonstram confiabilidades seme-lhantes, que caracteriza o comportamento comum dos sistemas hidráulicos. É possívelnotar na figura 44 que a diferença entre as citadas não é maior que 10% com 500 horasde trabalho.

Figura 45 – Taxa de Falha do Sistema Hidráulico - Colhedora John Deere CH 570

Como discutido em outros gráficos, os valores de 𝛽 menores que 1, corroboramo desempenho de mortalidade infantil. O parâmetro que demonstra essa situação estánas colhedoras 13020291, 13020293 e 13020206. Na figura 45 para os 3 equipamentos éperceptível a alta taxa de falha decorrido ainda poucas horas de operação.

4.6.2.2 Sistema Extrator

O sistema extrator, apresenta valores maiores que 1, próximos a 2, caracterizandoalta confiabildidade inicial que decresce rapidamente com o passar do tempo, com acen-tuada queda as características de desgaste ficam evidenciadas na figura 46.


Figura 46 – Confiabilidade do Sistema Extrator - Colhedora John Deere CH 570

Confirmando o analisado, a figura 47 reforça para as máquinas 13020291 e 13020206a teoria da curva da banheira. Um 𝛽 de 2,22473 e 2,0477 respectivamente, revela a presençado desgaste no equipamento, aumentando a taxa de falha com o tempo.

Figura 47 – Taxa de Falha do Sistema Extrator - Colhedora John Deere CH 570

Uma análise aprofundada na colhedora 13020292 faz-se necessária pelo baixo valordo parâmetro 𝛽, trazendo a tona falhas concentradas no início da operação, afetandoa disponibildiade e confiabilidade da máquina. Retornando a figura 46 fica explícito adiferença de confiabilidade entre esse equipamento e os demais. De certo modo o altovalor de 𝜃, a vida característica, acaba por dificultar a percepção de problema para essesistema.

4.6.2.3 Sistema Elevador

Assim como no item anterior, sistema extrator, a máquina 13020292 também apre-senta problemas em função do baixo valor de 𝛽.


Figura 48 – Confiabilidade do Sistema Elevador - Colhedora John Deere CH 570

Na figura 48 nota-se a curva de confiabilidade da colhedora 13020306 com valoresabaixo das demais curvas mesmo não tendo o menor valor de 𝛽 entre as quatro. Esseacontecimento tem motivo findado no baixo valor da vida característica, valor de 𝜃. Ocomportamento dos gráficos de confiabilidade e taxa de falha são dependente dos doisparâmetros 𝛽 e 𝜃, portanto por vezes o menor valor de 𝛽 não configura a curva como ade menor confiabilidade.

Figura 49 – Taxa de Falha do Sistema Elevador - Colhedora John Deere CH 570

As colhedoras 13020291 e 13020293 obtiveram parâmetros de 𝛽 próximo a 1,20.Esse valor demonstrado na figura 49 desgaste com baixa inclinação na curva de taxa defalha, confirmando o fato de serem colhedoras novas.

4.6.2.4 Sistema Corte de Base

O corte de base avaliado para os equipamentos John Deere, na figura 50 possuempontos importantes a discutir. O alto valor de vida característica, valor de 𝜃, para oscódigos 13020291 e 13020293 chamam atenção para a o decréscimo pouco acentuado dascurvas de confiablidade ocasionado pelos valores de 𝜃.


Figura 50 – Confiabilidade do Sistema Corte de Base - Colhedora John Deere CH 570

Ainda sobre a 50 a curva da colhedora 13020306 apresenta alta confiabilidade du-rante períodos inicias, entrando em forte declínio na metade do período avaliado. Apre-senta confiabilidade praticamente nula acima das 1400 horas.

Figura 51 – Taxa de Falha do Sistema Corte de Base - Colhedora John Deere CH 570

Sobre a taxa de falha a figura 51 exibe baixa taxa de falha para os equipamentos13020291, 13020292 e 13020293 ao longo de todo período, principalmente quando com-parado com os valores da taxa de falha de outros sistemas para esse mesmo grupo decolhedoras. O alto desgaste detectado na colhedora de código 13020306 é visto na curvade 𝛽 = 5,02, o maior valor de 𝛽 encontrado em todas as análises. A curva de 𝛽 5,02 tempor consequência baixa taxa de falha até 1000 horas, com aumento agressivo a partirdeste.

4.6.2.5 Sistema Divisor de Linha

O sistema divisor de linha possui três máquinas com confiabilidade próxima umaas outras, tendo dois desses equipamentos parâmetro 𝛽 muito próximos um do outro. A


figura 52 apresenta curvas semelhantes, exceto para a colhedora 13020292 com grandevantagem quando comparada as demais.

Figura 52 – Confiabilidade do Sistema Divisor de Linha - Colhedora John Deere CH 570

A alta diferença de confiabilidade fica melhor entendida quando avaliada em con-junto a taxa de falha. A imagem 53 fornece informação para caracterizar as três colhedoras13020291, 13020293 e 13020306 com problema de mortalidade infantil, sendo o valor de 𝛽

= 0,497437 um valor baixo, que serve de alerta para uma verificação apurada do sistemadivisor de linha do equipamento 13020291. Previamente discutido, vale a ressalva de queo valor máximo da taxa de falha não aparece no gráfico por ajustar o eixo Y de maneiraadequada a visualizar o comportamento de todas as curvas presentes no gráfico.

Parâmetro 𝛽 próximo a 1 infere em taxa de falha quase constante, com baixainclinação de reta, principalmente quando o valor máximo do eixo y é demasiadamentealto para abranger o valor máximo da taxa de falha de itens com parâmetro 𝛽 baixo, casodo código 13020291.

Figura 53 – Taxa de Falha do Sistema Divisor de Linha - Colhedora John Deere CH 570

Dessa maneira, fica claro que o valor da taxa de falha para 13020291 é muitomaior que apenas os 0,02 máximos do eixo y no gráfico, mas caso o valor máximo do


eixo y estivesse ajustado para o valor máximo real dessa curva, as demais curvas estariammuito próximas a y = 0, perdendo qualidade na informação.

4.6.2.6 Sistema de Material Rodante

Com pouca diferença comparado ao sistema hidráulico, ambos são sistemas queapresentam comportamento de mortalidade infantil pela problemática de operação e am-biente externo. O material rodante apresenta comumente valores do parâmetro 𝛽 quecaracterizam para a função de risco mortalidade infantil (𝛽 menor que 1) A figura 54possui pontos interessantes a discutir.

Figura 54 – Confiabilidade do Sistema de Material Rodante - Colhedora John Deere CH570

As curvas das máquinas 13020291, 13020293 e 13020306 poussuem grande simi-laridade em formato, devido aos valores de 𝜃 da tabela 9. Esse sistema dentre todos osoutros das análises, foi o único equipamento a possuir colhedora com 𝛽 = 1,01. O valorem questão gera interpretação particular da taxa de falha, presente na figura 55.

Figura 55 – Taxa de Falha do Sistema de Material Rodante - Colhedora John Deere CH570


O comportamento constante da taxa de falha é visível na imagem 55, e analisandomelhor a equação 3.8 é presumível que com 𝛽 = 1 o valor da potência de ℎ(𝑇 ) passa aser 0, levando a:

ℎ(𝑇 ) = 1𝜃

(4.1)

ocasionando uma taxa de falha constante e menor, pra quanto maior for o 𝜃.

4.6.2.7 Sistema Picador

Considerando todas as análises feitas de confiabilidade e taxa de falha, o sistemapicador das 4 colhedoras John Deere teve como resultado a auseência de 𝛽 menor que1. A confiabilidade está melhor para o equipamento de código 13020293, nesse caso pelagrande diferença de valor da vida característica, 𝜃, frente as outras colhedoras. O valorde 𝜃 é grande influenciador da confiabilidade. A figura 56 demonstra isso

Figura 56 – Confiabilidade do Sistema Picador - Colhedora John Deere CH 570

Na função de risco, percebe-se pela figura 57 portanto que a taxa de falha semantém constante para o equipamento 13020291 de 𝛽 = 0,998, aproximadamente 1. Porconseguinte, a taxa de falha é constante, uma reta pouco acima de 0,004 de taxa de falha.Os demais valores de 𝛽 maior que 1 possuem aumento da taxa de falhas com o decorrerdo tempo, tendo inclinação maior quanto maior é o valor de 𝛽.


Figura 57 – Taxa de Falha do Sistema Picador - Colhedora John Deere CH 570

87

5 Conclusão

O termo confiabilidade ganha adeptos no dia a dia dos departamentos de manuten-ção e isso é fundamental para o desenvolvimento das organizações e mais especificamentefalando, das unidades produtoras agrícolas que utilizam máquinas pesadas. No entanto, ouso da palavra confiabilidade não está comumente associado a estatística e números. Qua-litativamente as avaliações de confiabilidade podem ser rasas e consequentemente poucoconclusivas para identificação de casos especiais de falhas em equipamentos. O domínioda falha do equipamento aliado a um levantamento estatístico, confere a possibilidade deprever falhas, conhecer a respeito do equipamento e como é o comportamento da falha,permitindo otimizar serviços de parada que são pontos cruciais para garantir de fato boaprodutividade, gerando lucros e alavancando o setor. O trabalho presente possui relevân-cia por atender o objetivo primário de organizar e levantar dados, criando conceitos deanálise em conjunto com a unidade produtiva para buscar esclarecer situações desconhe-cidas a respeito das falhas operacionais. Em se tratando da taxa de risco ou função deazar, e também da confiabilidade, os parâmetros da função weibull influenciam direta-mente nos gráficos e nas análises. Assim sendo, uma avaliação mais criteriosa a respeitodesses parâmetros, acompanhada de avaliação rigorosa de intervalo de confiança e refi-namento do algoritmo utilizado é um desenvolvimento futuro interessante. A completacompreensão dos gráficos gerados depende ainda de um histórico de análise maior, o querequer mais safras de avaliação, mesmo os dados utilizados no trabalho atual sendo degrande quantidade. A evolução da avaliação caminha para investigar correlação entre ope-ração,procedimento de reparo, tipos de peça aplicada e a falha. O uso do estimador atravésda função de máxima verossimilhança permitiu valores de beta e theta condizentes para adistribuição weibull que foi proposta para utilização no início, após a tentativa frustradada utilização de métodos de linearização tabular como o hazzard plotting e probabilityplotting terem falhado, não apresentando valores solúveis e aceitáveis para progredir. Sur-preendentemente os valores de 𝛽 para as colhedoras mais velhas utilizadas, Case A8800,foram baixos, assemelhando a distribuição weibull a uma distribuição exponencial e ca-racterizando a taxa de falha como mortalidade infantil como amplamente discutido nodesenvolvimento dos resultados. As colhedoras John Deere analisadas eram máquinas no-vas e tiveram resultados condizentes com o que se esperava, apresentando valores de 𝜃

altos, em função da pouca quantidade de horas corridas em operação. No tocante a coletade dados, a melhoria do sistema pode ser realizada designando previamente grupos bemcaracterizados para a colhedora de cana-de-açúcar, difereciando-os em função de cadasistema presente na máquina, facilitando a organização dos dados. Tal fato impacta nastarefas de abertura de ordem de serviço, sendo item dependente do comportamento par-

88 Capítulo 5. Conclusão

ticular de cada funcionário responsável por descrever o problema e cadastrar no sistema.A prévia delimitação de sistemas para encaixe do histórico de falhas ocorridas melhorasignificativamente a qualidade dos dados de forma geral.

89

Referências

ACTION, P. Método da máxima verossimilhança. Disponível em: <http://www.portalaction.com.br/confiabilidade/421-metodo-de-maxima-verossimilhanca>. Citadona página 57.

BALLESTERO-ALVAREZ, M. E. Gestão de qualidade, produção e operações. SãoPaulo, Brasil, v. 2, 2012. Citado na página 29.

CAMPBELL, T. D. Degress of freedom and the case study. comparative political studies.v. 8, p. 178–193, 1975. Citado na página 43.

CARROL, J.; JOHNSON, E. Decision research: A field guide. In: Journal of theOperational. [S.l.: s.n.], 1992. v. 43, p. 71–72. Citado na página 44.

CONAB, C. N. de A. Acompanhamento da safra brasileira de cana-de-açúcar. - v. 1 -brasília. 2013. Disponível em: <http://www.conab.gov.br>. Citado na página 21.

COOK, T. D.; CAMPBELL, T. D. Quasi-experimentation: Design and analysis issuesfor field settings. Chicago, Rand McNally, 1979. Citado na página 43.

CRUZ, R. R. Desempenho operacional e anpalise de custo de corte, carregamento etransporte mecanizado da cana-de- açúcar (saccharum spp). Universidade Federal deSanta Catarina, Centro de Ciências Agrárias, 2010. Citado na página 21.

DODSON, B.; SCHWAB, H. Accelerated testing: a practitioner’s guide to acceleratedand reliability testing. Warrendale, PA: [s.n.], 1962. 256 p. Citado 5 vezes nas páginas33, 34, 35, 37 e 56.

FOGLIATTO, F. S.; DUARTE, J. L. R. Confiabilidade e Manutenção Industrial. Rio deJaneiro, Brasil: [s.n.], 2009. Citado 6 vezes nas páginas 31, 32, 36, 52, 57 e 70.

FOWLER, E. J. J. Survey research methods. Newbury Park, California, 1988. Citadona página 44.

FREITAS, M. A.; COLOSIMO, E. Ântonio. Confiabildiade: análise de tempo de falha etestes de vida acelerados. Belo Horizonte, MG: [s.n.], 1997. 326 p. Citado na página 56.

GIL, A. C. Como elaborar projetos de pesquisa. São Paulo, Brasil, 1996. Citado napágina 41.

GODOY, A. S. Introdução à pesquisa qualitativa e suas possibilidades. In: Revista deAdministração de Empresas. [S.l.: s.n.], 1995. v. 35, n. 2, p. 57–63. Citado na página 42.

KARDEC, A.; NASCIF, J. A. Manutenção – função estratégica. Rio de Janeiro, Brasil:[s.n.], 2001. Citado na página 19.

KARDEC, A.; NASCIF, J. A. Manutenção Preditiva: fator de sucesso na gestãoempresarial. Rio de Janeiro, Brasil: [s.n.], 2013. 196 p. Citado 3 vezes nas páginas 24,25 e 26.

http://www.portalaction.com.br/confiabilidade/421-metodo-de-maxima-verossimilhanca

http://www.portalaction.com.br/confiabilidade/421-metodo-de-maxima-verossimilhanca

http://www.conab.gov.br

90 Referências

LAFRAIA, J. Manual de Confiabilidade, Mantenabilidade e Disponibilidade. [S.l.]:Qualitymark, 2001. Citado na página 23.

LEWIS, E. Introduction to reliability engineering. USA, 1996. Citado na página 32.

LUDKE, M.; ANDRé, M. E. D. A. Pesquisa em educação: abordagens qualitativas. SãoPaulo, p. 99, 1986. Citado na página 44.

MATTAR, F. N. Pesquisa de marketing: Metodologia e planejamento. São Paulo, Brasil,1996. Citado na página 41.

MIRSHAWKA, V.; OLMEDO, N. C. Manutenção – combate aos custos na não-eficácia– a vez do Brasil. São Paulo, Brasil, 1993. Citado 2 vezes nas páginas 19 e 20.

MONTEMOR, K. G.; ORTEGA; C.S, A. Fabricação Classe Universal (FCU) In:Ballestero-Alvarez, Maria Esmeralda (Coord). Administração da Qualidade e daProdutividade. São Paulo, Brasil, 2001. Citado na página 29.

MONTGOMERY, D. C. Estatística Aplicada e Probabilidade para Engenheiros. Rio deJaneiro, Brasil: [s.n.], 2009. 490 p. Citado 5 vezes nas páginas 29, 30, 31, 33 e 65.

MORRIS, S. Bathtub curve. 2011. Disponível em: <http://www.reliabilityanalytics.com/blog/2011/08/31/bathtub-curve/>. Citado na página 36.

MOUBRAY, J. Manutenção centrada na confiabilidade. São Paulo, Brasil: [s.n.], 1996.Citado na página 31.

MURTY, A.; NAIKAN, V. Availability and maintenance cost optimization of aproduction plant. International Journal of Quality & Reliability Management, v. 12,n. 2, p. 28–35, 1995. Citado 2 vezes nas páginas 19 e 20.

NEPOMUCENO, L. X. Técnicas de Manutenção Preditiva. São Paulo, Brasil: [s.n.],2014. 501 p. Citado na página 24.

NUNES, E. L. Manutenção centrada em confiabilidade (mcc): Análise da implantaçãoem uma sistemática de manutenção preventiva consolidada. Santa Catarina, Brasil, 2001.Citado na página 23.

RELIASOFTBRASIL. Conceitos de confiabilidade. In: The eMagazine for the ReliabilityProfessional. [S.l.: s.n.], 2005. v. 1, n. 3, p. 1–7. Citado 4 vezes nas páginas 33, 36, 56e 57.

REZENDE, G. C. de. Estado, Macroeconomia e Agricultura no Brasil. Porto Alegre,Brasil, 2003. 246 p. Citado na página 21.

RIPOLI, T. C.; PARANHOS, S. B. Sistemas de colheita - cana-de-açúcar - cultivoe utilização. In: Fundação Cargill. Campinas, São Paulo, Brasil: [s.n.], 1897. v. 2, p.519–593. Citado na página 38.

SCARANELLO, L. T. et al. Disponibilidade mecânica e custos de manutenção decolhedoras de cana de açúcar. São Paulo, Brasil, 2012. Citado na página 21.

SCHRAMM, W. Notes on case studies of instructional media projects. .working paper,the academy for educational develpoment. Washington, 1971. Citado na página 42.

http://www.reliabilityanalytics.com/blog/2011/08/31/bathtub-curve/

http://www.reliabilityanalytics.com/blog/2011/08/31/bathtub-curve/

Referências 91

SELLITTO, M. A. Formulação estratégica da manutenção industrial com base naconfiabilidade dos equipamentos. In: Revista Produção. [S.l.: s.n.], 2005. v. 15, n. 1, p.44–59. Citado na página 31.

SHIMOSAKAI, V. C. de M. Custo de reparo e manutenção de colhedoras de cana-de-açúcar em função das horas de operação. Campinas, SP, Brasil, 2015. Citado 2 vezesnas páginas 39 e 41.

STOECKER, R. Evaluating and rethinking the case study. the sociological review. 1991.Citado na página 42.

VIANA, H. R. G. PCM, Planejamento e Controle de Manutenção. Rio de Janeiro, Brasil:[s.n.], 2002. 192 p. Citado 3 vezes nas páginas 24, 25 e 27.

XENOS, H. G. D. Gerenciando a Manutenção Produtiva. Belo Horizonte, Brasil: [s.n.],1998. 302 p. Citado 5 vezes nas páginas 20, 23, 24, 25 e 70.

YIN, R. K. Estudo de caso: planejamento e método. Porte Alegre, Brasil: [s.n.], 2001.202 p. Citado 4 vezes nas páginas 41, 42, 43 e 44.

Anexos

95

ANEXO A – Primeiro Anexo

Figura 58 – Fluxograma do procedimento de manutenção interno

estudodecasodecontroleestatísticoe ...bdm.unb.br/bitstream/10483/20769/1/2018_felipecorreademe...de...

Documents